张秀丽
- 作品数：2 被引量：23H指数：2
- 供职机构：辽宁工程技术大学理学院更多>>
- 发文基金：辽宁省教育厅基金更多>>
- 相关领域：自动化与计算机技术更多>>
- GA_SJ在SVM核参数优化中的应用被引量：5
- 2015年
- 支持向量机(SVM)是一种性能良好的机器学习方法,但是对于其参数的选择还缺少系统的理论作为指导。针对经典的SVM参数选择方法——遗传算法的一些不足,提出了改进,并将其与SVM相结合,得到自动选择核参数并进行SVM训练的算法即GA_SJ算法。该算法通过将随机搜索引入到遗传算法当中,并采用最优保存策略和动态的交叉和变异概率,有效地提高了遗传算法的效率。数值实验结果证实了GA_SJ算法在SVM参数优化中的可行性和有效性,而且得到的SVM具有较高的分类性能。
- 高雷阜张秀丽佟盼
- 关键词：支持向量机遗传算法随机搜索参数优化
- 改进蚁群算法在SVM参数优化研究中的应用被引量：20
- 2015年
- 支持向量机参数的选择决定着支持向量机的分类精度和泛化能力,而其参数优化缺乏理论指导,在此背景下提出了ACO-SVM模型。该模型将SVM分类预测准确率作为目标函数,对蚁群算法进行改进,引入有向搜索和基于时变函数更新的信息素更新原则,利用蚁群算法的并行性、正反馈机制和较强的鲁棒性,以求得最优目标并得到SVM的最优参数组合。数值实验结果表明,改进蚁群算法在SVM参数优化选取中具有更好的寻优性能,具有较高的分类准确率;该方法具有较好的并行性和较强的全局寻优能力。
- 高雷阜张秀丽王飞
- 关键词：支持向量机蚁群优化算法参数优化
