基于鸟群算法的SVM参数选择 |
| |
作者单位: | ;1.中国地质大学数学与物理学院 |
| |
摘 要: | 针对支持向量机(SVM)分类器参数选择问题,提出了基于鸟群算法(BSA)的SVM参数选择方法(BSASVM),以优化SVM惩罚参数和核参数.鸟群算法具有优化精度高、鲁棒性好等特点,将SVM参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数.通过8个UCI标准数据集的MATLAB仿真对比实验,验证了BSA-SVM能有效提高分类准确性.实验结果表明:BSA-SVM能更加准确地找到SVM最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.
|
关 键 词: | 鸟群算法 支持向量机 参数选择 |
Parameter Optimization of Support Vector Machine Based on Bird Swarm Algorithm |
| |
Abstract: | |
| |
Keywords: | |
|
|