基于混合仿生算法的SVM参数优化

广西师范大学学报（自然科学版） ›› 2011, Vol. 29 ›› Issue (2): 114-118.

基于混合仿生算法的SVM参数优化

严晓明, 郑之

福建师范大学数学与计算机科学学院,福建福州350108

收稿日期:2011-05-18 发布日期:2018-11-19
通讯作者: 严晓明(1975—),男,福建福州人,福建师范大学讲师。E-mail:yanxm@fjnu.edu.cn
基金资助:
国家自然科学基金资助项目(61070062)

Optimizing Parameters of SVM Based on Combined Bionic Algorithm

YAN Xiao-ming, ZHENG Zhi

School of Mathematics and Computer Science,Fujian Normal University,Fuzhou Fujian 350108,China

Received:2011-05-18 Published:2018-11-19

摘要/Abstract

摘要： 本文提出一种SVM参数优化的新方法。应用遗传算法先对SVM参数进行初步的优化,把得到的优化结果邻近的一段区域再作为粒子群算法的搜索区间进行二次优化,以提高支持向量机的泛化能力,缩短SVM参数寻优的时间。仿真实验表示,该方法在样本数据缺失的情况下,同样具有较好的泛化能力。

关键词: 参数优化, 遗传算法, 粒子群算法, 支持向量机

Abstract: A new method in optimizing SVM classification's parameter is proposed.Following steps are applied:firstly,applying the GA to optimizethe SVM parameters in a rough range,then expanding nearby section of the best result of theGA,finally,using PSO algorithm optimized SVM parameters with new searching section,to improve the generalization ability of SVM and reduce the time consumptionof optimizing.Experiment results show that the proposed method has better generalization ability even in condition of losing sample data.

Key words: parameter optimization, GA, PSO, support vector machine

中图分类号:

TP181

严晓明, 郑之. 基于混合仿生算法的SVM参数优化[J]. 广西师范大学学报（自然科学版）, 2011, 29(2): 114-118.

YAN Xiao-ming, ZHENG Zhi. Optimizing Parameters of SVM Based on Combined Bionic Algorithm[J]. Journal of Guangxi Normal University(Natural Science Edition), 2011, 29(2): 114-118.

参考文献

[1] 吴一全,尹丹艳.基于FLS-SVM背影预测的红外弱小目标检测[J].光学学报,2010,30(10):2806-2811.
[2] 周欣,吴瑛.基于SVM和RVM的信号调制分类研究[J].通信学报,2010,31(S1):94-99.
[3] 王国胜,钟义信.支持向量机的若干新进展[J].电子学报,2001,29(10):1397-1400.
[4] GUSTAVO C V,LUIS G C.Composite kernels for hyperspectral image classification[J].IEEE Geoscience and Remote Sensing Letters,2006,3(1):93-97.
[5] 张国宣,孔锐,施泽生,等.一种新的基于聚类的SVM迭代算法[J].仪器仪表学报,2004,25(S1):613-614.
[6] KEERTHI S S,LIN Chih-jen.Asymptotic behaviors of support vectormachines with gaussian kernel[J].Neural Computation,2003,15(7):1667-1689.
[7] SMOLA A J,SCHOLKOPF B,MULLER K R.The connection between regularization operators and support vector kernels[J].Neural Networks,1998,11(4):637-649.
[8] 陶少辉,陈德钊,胡望明.LSSVM过程建模中超参数选取的梯度优化算法[J].化工学报,2007,58(6):1514-1517.
[9] 林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167.
[10] 吴东洋,业巧林,业宁,等.一种SVM训练样本集寻优算法[J].计算机应用与软件,2010,27(9):14-16,19.
[11] 马元良,裴生雷.基于改进遗传算法的SVM参数优化研究[J].计算机仿真,2010,27(8):150-152.

相关文章 15

[1]	叶青, 黄强, 聂斌, 李欢. 一种自适应的高维离群点识别方法[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 107-114.
[2]	李飞羽, 翁小雄, 姚树申. 基于乘客群体出行时间间隔的标度律研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(1): 1-9.
[3]	朱勇建, 彭柯, 漆广文, 夏海英, 宋树祥. 基于机器视觉的太阳能网版缺陷检测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 105-112.
[4]	吕凯晨, 闫宏飞, 陈翀. 基于沪深300成分股的量化投资策略研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 1-12.
[5]	梁晓萍,罗晓曙. 基于遗传自适应的维纳滤波图像去模糊算法[J]. 广西师范大学学报（自然科学版）, 2017, 35(4): 17-23.
[6]	李子彦, 刘伟铭. 一种基于局部HOG特征的运动车辆检测方法[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 1-13.
[7]	刘艳红, 罗晓曙, 陈锦, 郭磊. 宫颈细胞图像的特征提取与识别研究[J]. 广西师范大学学报（自然科学版）, 2016, 34(2): 61-66.
[8]	刘伟铭, 李荣荣, 王超, 黄玲. 高速公路通行卡调拨问题的遗传算法[J]. 广西师范大学学报（自然科学版）, 2016, 34(1): 1-8.
[9]	刘宏, 王其涛, 夏未君. 基于量子遗传算法的WSN三维定位方法[J]. 广西师范大学学报（自然科学版）, 2015, 33(4): 49-54.
[10]	王剑, 黄植功, 许金海. 基于优化EKF的永磁同步电机转速估计[J]. 广西师范大学学报（自然科学版）, 2014, 32(4): 11-17.
[11]	陈思溢, 罗强, 黄辉先. 基于群决策理论的协调控制子区划分方法[J]. 广西师范大学学报（自然科学版）, 2014, 32(4): 18-25.
[12]	乐美龙, 高金敏. 轮辐式航线网络下机型分配与舱位控制的协同优化研究[J]. 广西师范大学学报（自然科学版）, 2014, 32(3): 33-40.
[13]	赵新超, 吴召军. 求解背包问题的多位极贪婪遗传算法[J]. 广西师范大学学报（自然科学版）, 2013, 31(4): 41-47.
[14]	左信, 黄海龙, 刘建伟. 非凸共轭梯度p范数正则化SVM分类算法[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 51-58.
[15]	曹永春, 邵亚斌, 田双亮, 蔡正琦. 一种基于免疫遗传算法的聚类方法[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 59-64.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed