基于改进PSO算法参数优化的模糊支持向量分类机

被引：5

作者：

石磊 ^{[1
,2
]}

侯丽萍 ^{[3
]}

机构：

[1] 重庆师范大学计算机与信息科学学院

[2] 信阳职业技术学院网络中心

[3] 信阳农业高等专科学校计算机系

来源：

信阳师范学院学报(自然科学版) | 2013年 / 26卷 / 02期

关键词：

参数优化; 粒子群算法; 模糊支持向量分类机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

借助遗传算法中交叉和选择的思想策略,提出一种改进的粒子群算法对模糊支持向量机的参数进行优化选择.结果表明:该方法能够减少模糊支持向量机参数选择的盲目性,增强了模糊支持向量机的泛化能力,同时也提高了其分类精度.

引用

页码：288 / 291

页数：4

共 5 条

[1] 基于遗传算法的无线传感器网络最小覆盖集算法 [J].

王淑礼 ;

朱叶 ;

张鹏 .

信阳师范学院学报(自然科学版), 2012, 25 (03) :395-397

[2] 一种信息充分交流的粒子群优化算法 [J].

吕强 ;

刘士荣 .

电子学报, 2010, 38 (03) :664-667

[3] 基于离散粒子群求解复杂联盟的并行生成 [J].

蒋建国 ;

张国富 ;

齐美彬 ;

苏兆品 .

电子与信息学报, 2009, 31 (03) :519-522

[4] 一种带有梯度加速的粒子群算法 [J].

王俊伟 ;

汪定伟 ;

不详 .

控制与决策 , 2004, (11) :1298-1300+1304

[5]

Choosing Multiple Parameters for Support Vector Machines. [J] . Olivier Chapelle,Vladimir Vapnik,Olivier Bousquet,Sayan Mukherjee.&nbsp&nbspMachine Learning . 2002 (1-3)

← 1 →