肖海军,卢常景 ,何 凡.基于鸟群算法的SVM参数选择[J].中南民族大学学报自然科学版,2017,(3):90-94
基于鸟群算法的SVM参数选择
Parameter Optimization of Support Vector Machine Based on Bird Swarm Algorithm
  
DOI:
中文关键词: 鸟群算法  支持向量机  参数选择
英文关键词: bird swarm algorithm( BSA)  support vector machine( SVM)  parameter selection
基金项目:国家自然科学基金资助项目(11301492);中国地质大学(武汉) 基础研究基金项目(CUGL140420)
作者单位
肖海军,卢常景* ,何 凡 中国地质大学 数学与物理学院武汉 430074 
摘要点击次数: 37
全文下载次数: 37
中文摘要:
      针对支持向量机(SVM) 分类器参数选择问题, 提出了基于鸟群算法(BSA) 的 SVM 参数选择方法(BSASVM) ,以优化SVM 惩罚参数和核参数. 鸟群算法具有优化精度高、 鲁棒性好等特点,将 SVM 参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数. 通过 8 个 UCI 标准数据集的 MATLAB 仿真对比实验,验证了 BSA-SVM 能有效提高分类准确性. 实验结果表明: BSA-SVM 能更加准确地找到 SVM 最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.
英文摘要:
      According to the problem of selecting parameters in support vector machine ( SVM) , a parameter selection method( BSA-SVM) based on bird swarm algorithm( BSA) for optimizing the SVM penalty parameter and kernel parameter is proposed. BSA is a new optimization algorithm which possesses the characteristic of high precision and good robustness. Hence, parameters selection problem of SVM can be regarded as a combinatorial optimization problem by setting the objective function in BSA, which can obtain the best value and the optimum parameters at the same time. The simulation comparison experiments on 8 UCI datasets illustrate that the BSA-SVM effectively improves the classification accuracy of SVM. It is shown that the BSA-SVM can find the optimal parameters more accurately and strengthen the learning and generalization ability of SVM, so it's an effective parameter optimization method of SVM.
查看全文   查看/发表评论  下载PDF阅读器
关闭