登录    注册    忘记密码

期刊文章详细信息

基于混沌粒子群优化的SVM分类器研究    

Research on chaos particle swarm optimization-based SVM classifier

  

文献类型:期刊文章

作  者:李冬萍[1]

机构地区:[1]昆明学院初等教育系,云南昆明650031

出  处:《计算机仿真》

年  份:2010

卷  号:27

期  号:4

起止页码:185-187

语  种:中文

收录情况:BDHX、BDHX2008、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘  要:支持向量机(SVM)分类器能较好地解决小样本、非线性、高维等分类问题,具有很强的实用性。然而,支持向量机训练参数的选择对其分类精度有着很大的影响。常用的支持向量机优化方法有遗传算法、粒子群算法都存在易陷入局部极值,优化效果较差的不足。为解决上述问题在粒子群优化算法中引入混沌思想,提出了基于混沌粒子群优化算法(CPSO)的SVM分类器优化方法,CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效地提高了PSO算法的收敛速度和精度,更好的优化SVM分类器。并以网络异常入侵检测为研究对象进行仿真,实验结果表明,根据混沌粒子群优化的SVM分类器比传统算法优化的SVM分类器的精度高,速度快。

关 键 词:混沌 粒子群 支持向量机 参数选择

分 类 号:TP393]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心