基于粒子群优化算法的支持向量机研究

被引：49

作者：

谷文成 ^{[1
]}

柴宝仁 ^{[2
]}

滕艳平 ^{[3
]}

机构：

[1] 齐齐哈尔大学网络信息中心

[2] 齐齐哈尔大学应用技术学院

[3] 齐齐哈尔大学计算机与控制工程学院

来源：

北京理工大学学报 | 2014年 / 34卷 / 07期

关键词：

粒子群优化算法(PSO); 支持向量机(SVM); 优化; 双螺旋分类; 评价;

D O I：

10.15918/j.tbit1001-0645.2014.07.014

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法.针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.

引用

页码：705 / 709

页数：5