首页|基于自适应粒子群的SVM参数优化研究

基于自适应粒子群的SVM参数优化研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on SVM Parameter Optimization Based on Adaptive Particle Swarm Optimization

姜雯、吴陈

展开 >

江苏科技大学计算机学院 镇江 212000

粒子群算法 支持向量机 自适应权重 自适应变异

2021

10.3969/j.issn.1672-9722.2021.07.005

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(7)
  • 5
  • 13