计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2011年
5期
216-219
,共4页
支持向量机%参数选择%蚁群优化
支持嚮量機%參數選擇%蟻群優化
지지향량궤%삼수선택%의군우화
研究支持向量参数选择优化问题,常用的支持向量机参数优化算法和遗传算法分别存在耗时长和易陷入局部最优值的缺陷,导致支持向量机的分类精度低.为了解决支持向量机参数优化问题,提出了基于蚁群算法的SVM分类器泛化方法.蚁群算法是一种优化搜索方法,具有较强的鲁棒性、优良的分布式计算机制,SVM参数的选取看作参数的组合优化,建立组合优化的目标函数,采用蚁群算法来搜索最优目标函数值.然后将方法与GA的SVM模型选择方法进行了比较.实验表明采用蚁群算法具有一定的优势,能在较短的时间内寻找到最优解,证明已改进的方法得到了最精确参数优化结果.
研究支持嚮量參數選擇優化問題,常用的支持嚮量機參數優化算法和遺傳算法分彆存在耗時長和易陷入跼部最優值的缺陷,導緻支持嚮量機的分類精度低.為瞭解決支持嚮量機參數優化問題,提齣瞭基于蟻群算法的SVM分類器汎化方法.蟻群算法是一種優化搜索方法,具有較彊的魯棒性、優良的分佈式計算機製,SVM參數的選取看作參數的組閤優化,建立組閤優化的目標函數,採用蟻群算法來搜索最優目標函數值.然後將方法與GA的SVM模型選擇方法進行瞭比較.實驗錶明採用蟻群算法具有一定的優勢,能在較短的時間內尋找到最優解,證明已改進的方法得到瞭最精確參數優化結果.
연구지지향량삼수선택우화문제,상용적지지향량궤삼수우화산법화유전산법분별존재모시장화역함입국부최우치적결함,도치지지향량궤적분류정도저.위료해결지지향량궤삼수우화문제,제출료기우의군산법적SVM분류기범화방법.의군산법시일충우화수색방법,구유교강적로봉성、우량적분포식계산궤제,SVM삼수적선취간작삼수적조합우화,건립조합우화적목표함수,채용의군산법래수색최우목표함수치.연후장방법여GA적SVM모형선택방법진행료비교.실험표명채용의군산법구유일정적우세,능재교단적시간내심조도최우해,증명이개진적방법득도료최정학삼수우화결과.
