基于连续PSO算法的特征选择和SVM参数同步优化算法 |
| |
引用本文: | 赵少东.基于连续PSO算法的特征选择和SVM参数同步优化算法[J].大众科技,2010(11):65-68. |
| |
作者姓名: | 赵少东 |
| |
作者单位: | 广东电网公司深圳供电局,深圳,518001 |
| |
摘 要: | 为解决SVM的特征选择和参数优化问题,文章提出了一种基于连续PSO算法的特征选择和SVM参数同步优化算法(CPSO-SVM),其目标是在尽可能提高SVM分类精度的同时,选择尽可能少的特征数目。在真实数据集上的实验研究表明,CPSO-SVM算法具有原始SVM算法所不具备的特征选择能力,能显著提高SVM的分类能力(包括更高的分类精度和更好的均衡性),而且从分类器的整个生命周期来看,具有更高的效率。与HuangC-L等所提出的基于GA的算法相比,CPSO-SVM算法在分类能力和特征性选择能力上毫不逊色,而且效率更高。
|
关 键 词: | 特征选择 支持向量机 同步优化 粒子群算法 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|