节点文献

基于社会情感优化算法的支持向量机参数选择

免费订阅

【作者】 程彩凤孙祥娥

【Author】 CHENG Caifeng;SUN Xiang’e;School of Electronics and Information,Yangtze University;School of Engineering and Technology,Yangtze University;

【通讯作者】 孙祥娥;

【机构】 长江大学电子信息学院长江大学工程技术学院

【摘要】 支持向量机(SVM)是广泛应用于分类和回归问题的机器学习方法。SVM做分类预测时的分类精度主要取决于参数的选择,参数选择不当将出现"过学习"或"欠学习"的情况,且容易陷入局部最优解。社会情感优化算法(SEOA)加入了人类情感因素,是一种新颖的智能优化算法,有着良好的全局优化能力。提出基于SEOA的SVM参数选择方法,同时优化核函数参数和惩罚参数。实验采用4组UCI数据集进行测试,并将SEOA算法与遗传算法、粒子群优化算法进行仿真测试结果对比。试验结果表明,SEOA较大地提高了SVM算法的寻优能力,收敛性较好,具有更高的分类精度和更少的搜索时间。

【基金】 湖北省教育厅科学技术研究项目(B2017438)~~
【所属期刊栏目】 前沿交叉科学 (2019年12期)
  • 【DOI】10.16652/j.issn.1004-373x.2019.12.025
  • 【分类号】TP18
  • 【下载频次】35
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: