基于PSO的LS-SVM特征选择与参数优化算法

被引：27

作者：

姚全珠

蔡婕

机构：

[1] 不详

[2] 西安理工大学计算机科学与工程学院

[3] 不详

来源：

计算机工程与应用 | 2010年 / 01期

关键词：

最小二乘支持向量机; 特征选择; 参数优化; 粒子群算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对最小二乘支持向量机特征选择及参数优化问题,提出了一种基于PSO的LS-SVM特征选择与参数同步优化算法。首先产生若干种群(特征子集),然后用PSO算法对特征及参数进行优化。在UCI标准数据集上进行的仿真实验表明,该算法可有效地找出合适的特征子集及LS-SVM参数,且与基于遗传算法的最小二乘支持向量机算法(GALS-SVM)和传统的LS-SVM算法相比具有较好的分类效果。

引用

页码：134 / 136+229 +229

页数：4