基于二进制PSO算法的特征选择及SVM参数同步优化

被引：19

作者：

任江涛

赵少东

许盛灿

印鉴

机构：

[1] 中山大学计算机科学系

来源：

计算机科学 | 2007年 / 06期

基金：

广东省自然科学基金;

关键词：

特征选择; 支持向量机; 同步优化; 粒子群算法;

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：

特征选择及分类器参数优化是提高分类器性能的两个重要方面,传统上这两个问题是分开解决的。近年来,随着进化优化计算技术在模式识别领域的广泛应用,编码上的灵活性使得特征选择及参数的同步优化成为一种可能和趋势。为了解决此问题,本文研究采用二进制PSO算法同步进行特征选择及SVM参数的同步优化,提出了一种PSO-SVM算法。实验表明,该方法可有效地找出合适的特征子集及SVM参数,并取得较好的分类效果;且与文[4]所提出的GA-SVM算法相比具有特征精简幅度较大、运行效率较高等优点。

引用

页码：179 / 182

页数：4

共 5 条

[1]

Facing classification problems with Particle Swarm Opti mization. De Falco I,Della Cioppa A,Tarantino E. . 2006

[2]

An Introduction To Support Vec-tor Machines And Other Kernel-Based Learning Methods. Cristianini N,Shawe-Taylor J. . 2000

[3]

A GA-basedfeature selection and param-eters opti mization for support vector machines. Huang C-L,Wang C-J. Expert Systems With Applications . 2006

[4]

Toward Integrating Feature Selection Algo-rithms for Classification and Clustering. Liu Huan,Yu Lei. IEEE Transactions on Knowledge and Data Engineering . 2005

[5]

Wrappers for feature subset selection. Kohavi R,John G H. Artificial Intelligence . 1997

← 1 →