文件名称：论文研究-基于小生境遗传算法的分类优化方法.pdf
文件大小：1.64MB
文件格式：PDF
更新时间：2022-08-11 12:41:14
遗传算法, 排挤小生境技术, 超球支持向量机, 特征选择
对于多分类问题, 大多是经二分类器组合进行训练的, 在分类类别多、特征维数高时, 存在识别准确率不高和训练速度较慢的问题。将超球支持向量机应用到多类问题, 为每个类建立一个超球体模型, 通过多个超球体划分样本空间。采用改进的基于排挤的小生境遗传算法improved crowding niche genetic algorithm, ICNGA进行特征选择, 为不同的目标类别寻找最优的特征子集, 优化超球支持向量机的输入。利用UCI标准数据集的数值实验表明, 在分类数据类别较多、特征维数较高时, 经过ICNGA特征选择之后的多超球支持向量机的识别准确度更好, 非常适合解决类别数多、特征维数高的分类问题。