基于密度和粒子群的SVM算法研究
唐瀛
闫仁武
江苏科技大学计算机学院 镇江 212028
摘要：针对SVM算法在训练过程中,对于训练样本集过大,导致训练过程中的冗余样本和噪声会使划分超平面受到影响,于是提出使用基于密度的裁剪方法对训练样本进行裁剪,去除样本集的噪声和冗余样本,优化分类超平面的划分,提高分类准确率.而在SVM算法中的惩罚因子C和核函数g对于分类性能影响较大.提出基于粒子群算法对SVM算法进行改进,通过粒子群算法优化惩罚因子C和核参数g.使用样本集对改进算法进行实验论证,该方法确实有效地提升了SVM分类性能.
关键词：SVM算法密度粒子群机器学习
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2023-10-20
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：6( 2257-2262 )
英文信息