大众科技
大衆科技
대음과기
DAZHONG KEJI
2010年
11期
65-68
,共4页
特征选择%支持向量机%同步优化%粒子群算法
特徵選擇%支持嚮量機%同步優化%粒子群算法
특정선택%지지향량궤%동보우화%입자군산법
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Huang C-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.
為解決SVM的特徵選擇和參數優化問題,文章提齣瞭一種基于連續PSO算法的特徵選擇和SVM參數同步優化算法(CPSO-SVM),其目標是在儘可能提高SVM分類精度的同時,選擇儘可能少的特徵數目.在真實數據集上的實驗研究錶明,CPSO-SVM算法具有原始SVM算法所不具備的特徵選擇能力,能顯著提高SVM的分類能力(包括更高的分類精度和更好的均衡性),而且從分類器的整箇生命週期來看,具有更高的效率.與Huang C-L等所提齣的基于GA的算法相比,CPSO-SVM算法在分類能力和特徵性選擇能力上毫不遜色,而且效率更高.
위해결SVM적특정선택화삼수우화문제,문장제출료일충기우련속PSO산법적특정선택화SVM삼수동보우화산법(CPSO-SVM),기목표시재진가능제고SVM분류정도적동시,선택진가능소적특정수목.재진실수거집상적실험연구표명,CPSO-SVM산법구유원시SVM산법소불구비적특정선택능력,능현저제고SVM적분류능력(포괄경고적분류정도화경호적균형성),이차종분류기적정개생명주기래간,구유경고적효솔.여Huang C-L등소제출적기우GA적산법상비,CPSO-SVM산법재분류능력화특정성선택능력상호불손색,이차효솔경고.
