| 人工蜂群算法优化支持向量机的分类研究 |
| |
| 引用本文： | 李璟民,郭敏.人工蜂群算法优化支持向量机的分类研究[J].计算机工程与应用,2015(2):151-155. |
| |
| 作者姓名： | 李璟民 郭敏 |
| |
| 作者单位： | 陕西师范大学 计算机科学学院,西安,710062 |
| |
| 基金项目： | 国家自然科学基金(No.10974130)；陕西省自然科学基金(No.2012JM1005)；中央高校基本科研业务费专项资金(No.GK201405007)。 |
| |
| 摘 要： | 为了提高支持向量机分类准确率,采用人工蜂群算法对支持向量机参数进行优化,并将该优化方法应用于小麦完好粒、霉变粒和发芽粒三类麦粒的识别。使用小波变换分解信号能量作为特征向量,以分类错误率的倒数作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数宽度参数进行优化,优化SVM方法对小麦完好粒、霉变粒和发芽粒的分类正确率达到86%以上。实验结果表明,该研究有较强的实用价值,为SVM性能优化提供了一种新的方法。
|
| 关 键 词： | 人工蜂群算法 支持向量机 参数优化 小麦碰撞声 分类 |
Study on classification of artificial bee colony algorithm to optimization of support vector machine |
| |
| LI Jingmin,GUO Min.Study on classification of artificial bee colony algorithm to optimization of support vector machine[J].Computer Engineering and Applications,2015(2):151-155. |
| |
| Authors: | LI Jingmin GUO Min |
| |
| Affiliation: | LI Jingmin;GUO Min;School of Computer Science, Shaanxi Normal University; |
| |
| Abstract: | |
| |
| Keywords: | artificial bee colony algorithm Support Vector Machine(SVM) parameter optimization wheat impact acoustic signals classification |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
