| 基于改进粒子群算法的支持向量机 |
| |
| 引用本文： | 周 涛,张艳宁,袁和金,邓方安,陆惠玲.基于改进粒子群算法的支持向量机[J].计算机工程与应用,2007,43(15):44-46. |
| |
| 作者姓名： | 周 涛 张艳宁 袁和金 邓方安 陆惠玲 |
| |
| 作者单位： | [1]西北工业大学计算机学院,西安710072 [2]陕西理工学院数学系,陕西汉中723000 [3]陕西理工学院计算机系,陕西汉中723000 |
| |
| 基金项目： | 国家自然科学基金
,
陕西理工学院校科研和教改项目
,
陕西理工学院校科研和教改项目 |
| |
| 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。
|
| 关 键 词： | 支持向量机 粒子群优化算法 惯性权重策略 |
| 文章编号： | 1002-8331（2007）15-0044-03 |
| 修稿时间： | 2006-12 |
SVM based on improvement Particle Swarm Optimization Algorithm |
| |
| ZHOU Tao,ZHANG Yan-ning,YUAN He-jin,DENG Fang-an,LU Hui-ling.SVM based on improvement Particle Swarm Optimization Algorithm[J].Computer Engineering and Applications,2007,43(15):44-46. |
| |
| Authors: | ZHOU Tao ZHANG Yan-ning YUAN He-jin DENG Fang-an LU Hui-ling |
| |
| Affiliation: | 1.School of Computer，Northwestern Polytechnical University，Xi’an 710072，China 2.Department of Maths，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China 3.Department of Computer，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China |
| |
| Abstract: | Some improvements on the particle swarm optimizer for linearly constrained optimization are put forward.And the method using this improvement algorithm to train Support Vector Machine is presented.An adaptive disturbance based on the population convergence speed is added to the linearly decreasing inertia weight strategy,by which the balance between global and local exploration is adjusted suitably.The experiments on two-spiral problem shows that the algorithm is feasible and robust for support vector machine training. |
| |
| Keywords: | Support Vector Machine(SVM) Particle Swarm Optimization(PSO) inertia weight strategy |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
