查询结果:   张俊杰,阎高伟,李浩志.基于社会力模型算法的SVM参数优化[J].计算机应用与软件,2015,32(9):235 - 239.
中文标题
基于社会力模型算法的SVM参数优化
发表栏目
算法
摘要点击数
975
英文标题
SVM PARAMETERS OPTIMISATION BASED ON SOCIAL FORCE MODEL ALGORITHM
作 者
张俊杰 阎高伟 李浩志 Zhang Junjie Yan Gaowei Li Haozhi
作者单位
太原理工大学信息工程学院 山西 太原 030024     
英文单位
College of Information Engineering,Taiyuan University of Technology,Taiyuan 030024,Shanxi,China     
关键词
支持向量机 参数优化 SFSO算法
Keywords
Support vector machine (SVM) Parameter optimisation SFSO algorithm
基金项目
国家自然科学基金项目(60975032);山西省自然科学基金项目(2011011012-2)
作者资料
张俊杰,硕士生,主研领域:智能控制,优化控制理论及应用,进化计算。阎高伟,教授。李浩志,本科生。 。
文章摘要
为了解决支持向量机(SVM)参数优化的问题,提出一种改进的基于社会力模型群智能优化算法SFSO(Swarm Optimization algorithm based on Social Force Model)的SVM参数优化方法。SFSO通过期望力和排斥力使算法在全局搜索和局部搜索中能够较好的平衡,利用SFSO特有的搜索机制对SVM的惩罚因子和径向基函数进行优化,提高SVM的分类性能。通过对几个benchmark函数和常用的UCI数据集进行测试表明:改进后的SFSO算法不仅对于求解函数优化问题具有较强的鲁棒性和较高的求解精度,而且经改进SFSO算法优化后的SVM具有更快的收敛速度和更高的分类准确率。
Abstract
In order to solve the problem of SVM parameters optimisation, we proposed an improved SVM parameters optimisation method, which is based on swarm intelligence optimisation algorithm of social force model (SFSO). SFSO enables the algorithm to be able in well balance in both global and local searches through expectation force and exclusion force. We use special search mechanism of SFSO to optimise the penalty factor of SVM and the radial basis function, thus improve the classification performance of SVM. It is demonstrated through tests on several benchmark functions and common UCI datasets that the improved SFSO algorithm has stronger robustness and higher precision in solving function optimisation problems. Moreover, the SVM optimised by the improved SFSO has faster convergence speed and higher classification accuracy.
下载PDF全文