文件名称:基于粒子群优化算法的支持向量机参数选择
文件大小:928KB
文件格式:PDF
更新时间:2024-05-26 06:21:47
支持向量机 粒子群优化算法 SVM参数优化 惯性权值非线性递减 异步变化学习因子
由于支持向量机的主要参数的选择能够在很大程度上影响分类性能和效果,并且目前参数优化缺乏理论指导,提出一种粒子群优化算法以优化支持向量机参数的方法.该方法通过引入非线性递减惯性权值和异步线性变化的学习因子策略来改善标准粒子群算法的后期收敛速度慢、易陷入局部最优的缺陷.实验结果表明,相对于标准粒子群算法,本方法在参数优化方面具有良好的鲁棒性、快速收敛和全局搜索能力,具有更高的分类精确度和效率.