首页|融合Lévy飞行和精英反向学习的WOA-SVM多分类算法

融合Lévy飞行和精英反向学习的WOA-SVM多分类算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
元启发算法-SVM是多分类评价模型的典型架构,在多分类综合决策判定中具有重要的理论与实践意义,为此提出了一种融合Lévy飞行和精英反向学习的鲸鱼优化算法(Lévy flight and elite opposition-based whale optimization algorithm,LFEO-BWOA)-SVM多分类评价算法.利用Lévy飞行策略替代螺旋轨迹策略更新位置信息,有效克服了鲸鱼优化算法易陷入局部寻优的不足;引入精英反向学习机制增加种群多样性,提高了鲸鱼优化算法全局寻优的能力.实验仿真结果表明,LFEO-BWOA-SVM算法在分类准确率上比传统SVM、BP神经网络分别提高17.84％和4.51％,准确率为98.73％,在训练时间上比标准WOA-SVM和PSO-SVM分别缩短了9.34％和84.94％.实验结果证明,LFEO-BWOA-SVM算法的寻优能力和收敛速度均有明显提升,准确率和快速性良好.
Multi-class algorithm of WOA-SVM using Lévy flight and elite opposition-based learning

何小龙、张刚、陈跃华、杨尚志

展开 >

宁波大学 海运学院,浙江 宁波315211

多分类 支持向量机 鲸鱼优化 Lévy飞行 精英反向学习

国家自然科学基金浙江省基础公益研究计划浙江省重点研发项目浙江省自然科学基金

51675286GN21C1900212018C02G2070536LY20E050006

2021

10.19734/j.issn.1001-3695.2021.04.0164

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(12)
  • 2
  • 12
  • 11