| 基于改进PSO算法的混合核SVM算法 |
| |
| 引用本文： | 徐中宇,苏明玉,姚庆安.基于改进PSO算法的混合核SVM算法[J].吉林大学学报(理学版),2018,56(3):625-630. |
| |
| 作者姓名： | 徐中宇 苏明玉 姚庆安 |
| |
| 作者单位： | 长春工业大学 计算机科学与工程学院, 长春 130012 |
| |
| 摘 要： | 提出一种基于改进粒子群优化（PSO）算法的优化混合核支持向量机（SVM）算法（ILPSO）, 解决了一般混合核SVM算法很难评定参数选择的问题. 该算法通过限定粒子的速度、 搜索空间和交叉算子等多种寻优策略加强其收敛特性, 得到了参数的最佳组合. 仿真实验表明, 该算法能更快速、 有效地获得参数的最优值.
|
| 关 键 词： | 支持向量机 混合核函数 参数优化 粒子群优化 |
| 收稿时间： | 2017-04-10 |
Hybrid Kernel SVM Algorithm Based on Improved PSO Algorithm |
| |
| XU Zhongyu,SU Mingyu,YAO Qing’an.Hybrid Kernel SVM Algorithm Based on Improved PSO Algorithm[J].Journal of Jilin University: Sci Ed,2018,56(3):625-630. |
| |
| Authors: | XU Zhongyu SU Mingyu YAO Qing’an |
| |
| Institution: | College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China |
| |
| Abstract: | We proposed a hybrid kernel support vector machine (SVM) algorithm based on improved particle swarm optimization (PSO) algorithm, whichsolved the problem that the general hybrid kernel SVM algorithm was difficult toevaluate the parameter selection. The algorithm improved the convergence property by limiting the velocity of the particle, the search space and the crossover operator to get the best combination of the parameters. Simulation experiments show that the algorithm can get the optimal value of parameters more quickly and effectively. |
| |
| Keywords: | hybrid kernel function particle swarm optimization （PSO） parameter optimization support vector machine (SVM) |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
