共 1 条
[1]
PSO-SVM模型的构建与应用
被引：41
作者：
姜明辉
袁绪川
冯玉强
机构：
[1] 哈尔滨工业大学管理学院
来源：
关键词：
粒子群算法;
支持向量机;
个人信用评估;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
140502 [人工智能];
摘要：
为了使支持向量机(SVM)获得更好的分类效果,针对人为选择参数的随机性,提出了利用粒子群算法(PSO)进行参数自动选取的优化方法,构建了PSO-SVM模型.在个人信用评估中,通过对粒子适应度函数的设置来控制造成较大损失的第二类误判,应用结果表明:模型在训练和测试样本中的分类精度可以达到95%,第二类误判率分别仅为0.78%和2.02%.利用PSO对SVM中的参数进行优化,可以避免人为选择的随机性,并且在解决分类问题中表现出较好的稳健性.
引用
收藏
页码：169 / 171
页数：3
相关论文