人工鱼群算法在SVM参数优化选择中的应用

被引：59

作者：

高雷阜

赵世杰

高晶

机构：

[1] 辽宁工程技术大学理学院

来源：

计算机工程与应用 | 2013年 / 49卷 / 23期

关键词：

支持向量机; 人工鱼群算法; 参数优化; 遗传算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对支持向量机的参数优化缺乏理论支持,而SVM交叉检验法选取又较为费时的情况下,提出了基于人工鱼群算法的支持向量机参数优化选取算法,并以SVM分类预测准确率最大为优化原则,利用人工鱼群算法的较好并行性和较强的全局寻优能力,以实现最优目标并得到SVM的最优参数组合。数值实验结果表明:人工鱼群算法在SVM参数优化选取中具有更快的寻优性能,同时具有较高的分类准确率。该方法具有较好的并行性和较强的全局寻优能力。

引用

页码：86 / 90

页数：5

共 17 条

[1]

一种新型的智能优化方法-人工鱼群算法 [D].

李晓磊 .

浙江大学,

2003

[2]

A genetic algorithm–support vector machine method with parameter optimization for selecting the tag SNPs.[J]..Journal of Biomedical Informatics.2012,

[3]

Identification of protein methylation sites by coupling improved ant colony optimization algorithm and support vector machine [J].

Li, Zhan-Chao ;

Zhou, Xuan ;

Dai, Zong ;

Zou, Xiao-Yong .

ANALYTICA CHIMICA ACTA, 2011, 703 (02) :163-171

[4]

Selecting of the optimal feature subset and kernel parameters in digital modulation classification by using hybrid genetic algorithm–support vector machines: HGASVM.[J].Engin Avci.Expert Systems With Applications.2007, 2

[5]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[6]

基于遗传算法与粒子群算法的支持向量机参数选择 [J].