| 基于自适应粒子群的SVM参数优化研究 |
| |
| 引用本文： | 姜雯,吴陈.基于自适应粒子群的SVM参数优化研究[J].计算机与数字工程,2021,49(7):1302-1304,1309. |
| |
| 作者姓名： | 姜雯 吴陈 |
| |
| 作者单位： | 江苏科技大学计算机学院 镇江 212000 |
| |
| 摘 要： | 针对粒子群算法在优化SVM参数时,存在着易陷入局部最优,早熟收敛的问题,首先提出了一种用自适应权重来代替惯性权重的粒子群算法,再引入自适应变异对粒子群算法进行优化,增强粒子的种群多样性,使其能够跳出局部最优解,从而达到全局最优.最后,将改进后的算法(GPSO-SVM)应用到UCI标准数据集上进行验证,实验结果表明,改进后的算法提高了粒子的搜索性能,是一种有效的SVM参数优化算法.
|
| 关 键 词： | 粒子群算法 支持向量机 自适应权重 自适应变异 |
Research on SVM Parameter Optimization Based on Adaptive Particle Swarm Optimization |
| |
| JIANG Wen,WU Chen.Research on SVM Parameter Optimization Based on Adaptive Particle Swarm Optimization[J].Computer and Digital Engineering,2021,49(7):1302-1304,1309. |
| |
| Authors: | JIANG Wen WU Chen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
