基于改进鲸鱼算法优化SVM参数和特征选择

针对传统支持向量机（SVM）在数据分类方面准确率识别较低的问题，提出了一种改进鲸鱼优化算法同步优化SVM的特征选择模型。首先，利用Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动，利用单纯形策略中的反射操作对种群中的精英个体进行反射点求解的改进，标准函数的测试结果证明其改进能有效提高算法的收敛速度和计算精度；其次，将SVM核参数和特征选择目标作为共同优化对象，在获得最优核参数的同时得到相对应的最优特征子集；最后，对UCI标准数据集和真实乳腺癌数据集进行特征选择仿真实验，在平均分类准确率、平均适应度值、适应度标准差和所选特征个数上进行评价。结果表明，本文算法在降低特征维度，实现数据分类上效果明显。在真实乳腺癌数据集上的分类精度与传统支持向量机相比提高了11.053%。