基于改进粒子群算法的支持向量机

被引：9

作者：

周涛 ^{[1
]}

张艳宁 ^{[1
]}

袁和金 ^{[1
]}

邓方安 ^{[2
]}

陆惠玲 ^{[3
]}

机构：

[1] 西北工业大学计算机学院

[2] 陕西理工学院数学系

[3] 陕西理工学院计算机系

来源：

计算机工程与应用 | 2007年 / 15期

关键词：

支持向量机; 粒子群优化算法; 惯性权重策略;

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：

对求解含线性约束优化问题的粒子群算法(LPSO)进行了改进,给出了应用其训练支持向量机(SVM)的方法。改进后的算法在基本PSO惯性权重策略的基础上加入了基于种群收敛速度的自适应扰动,能够较好地调整算法的全局与局部搜索能力之间的平衡。对双螺旋问题的分类实验表明本文提出的方法稳定性好,训练出的SVM具有较高的分类正确率。

引用

页码：44 / 46

页数：3