基于粒子群优化模式搜索的支持向量机参数优化及应用

被引：22

作者：

王喜宾 ^{[1
]}

张小平 ^{[2
]}

王翰虎 ^{[1
]}

机构：

[1] 贵州大学计算机科学与信息学院

[2] 贵州省科学技术情报研究所

来源：

计算机应用 | 2011年 / 31卷 / 12期

关键词：

支持向量机; 核参数选取; 粒子群优化; 模式搜索;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对核函数参数选择的重要性,提出了粒子群(PSO)模式搜索算法来搜索最优参数,该算法结合了PSO算法的全局搜索能力强和模式搜索的局部收敛性好的优点,使PSO模式搜索算法表现出了较高的性能,并将其应用到农业科技项目分类中。实验结果表明,该算法不仅效率高,收敛速度快,而且搜索到的最优参数达到了较高的准确率。

引用

页码：3302 / 3304+3326 +3326

页数：4

共 8 条

[1]

Choosing multiple parameters for support vector machines [J].