|
|||||
|
|
| 基于社会情感优化算法的支持向量机参数选择 | |
| 作者单位： | ;1.长江大学电子信息学院;2.长江大学工程技术学院 |
| 摘 要： | 支持向量机(SVM)是广泛应用于分类和回归问题的机器学习方法。SVM做分类预测时的分类精度主要取决于参数的选择,参数选择不当将出现"过学习"或"欠学习"的情况,且容易陷入局部最优解。社会情感优化算法(SEOA)加入了人类情感因素,是一种新颖的智能优化算法,有着良好的全局优化能力。提出基于SEOA的SVM参数选择方法,同时优化核函数参数和惩罚参数。实验采用4组UCI数据集进行测试,并将SEOA算法与遗传算法、粒子群优化算法进行仿真测试结果对比。试验结果表明,SEOA较大地提高了SVM算法的寻优能力,收敛性较好,具有更高的分类精度和更少的搜索时间。 |
| 关 键 词： | 支持向量机 社会情感优化算法 参数选择 分类精度 机器学习 遗传算法 |
Parameter selection of support vector machine based on social emotion optimization algorithm |
|
| Abstract: | |
| Keywords: | |