改进的布谷鸟搜索算法对支持向量机参数优化

• 作者: 顾佳鑫 贺兴时 刘青
• 学科: 工学
• 关键词: 支持向量机 布谷鸟搜索算法 参数选择 自适应步长 动态发现概率 动态惯性权重
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 基础科学
• 页码范围: 110-118
• 页数: 8页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.13338/ji.ssn.1674-649x.2022.02.015

摘要

针对支持向量机(SVM)惩罚因子和核函数参数选择困难的问题,提出改进的布谷鸟搜索算法(GFCS)优化SVM参数模型(GFCS-SVM)。GFCS算法从3个方 面改进原始布谷鸟搜索算法的寻优能力:用动态发现概率代替固定发现概率,自适应地调整布谷鸟莱维飞行的步长控制因子,在布谷鸟随机游走更新公式 中改进动态惯性权重。利用GFCS算法优化SVM的惩罚因子和核函数参数,并在UCI数据集进行测试。与传统的SVM、粒子群算法优化SVM、萤火虫算法优化 SVM和布谷鸟搜索算法优化SVM相比,GFCS-SVM分类准确率最高,是一种有效的SVM参数优化算法。