基于自适应粒子群的SVM参数优化研究
姜雯
吴陈
江苏科技大学计算机学院 镇江 212000
摘要：针对粒子群算法在优化SVM参数时,存在着易陷入局部最优,早熟收敛的问题,首先提出了一种用自适应权重来代替惯性权重的粒子群算法,再引入自适应变异对粒子群算法进行优化,增强粒子的种群多样性,使其能够跳出局部最优解,从而达到全局最优.最后,将改进后的算法(GPSO-SVM)应用到UCI标准数据集上进行验证,实验结果表明,改进后的算法提高了粒子的搜索性能,是一种有效的SVM参数优化算法.
关键词：粒子群算法支持向量机自适应权重自适应变异
分类号：TP18(自动化基础理论)
论文发表日期：2021-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 1302-1304,1309 )
英文信息