文献类型：期刊文章

作　　者：陈治明[1]

机构地区：[1]惠州学院电子科学系,广东惠州516007

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金 No.60774032;广东省自然科学基金项目(No.7008360)~~

年　　份：2011

卷　　号：47

期　　号：10

起止页码：38-40

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：支持向量机是一种性能优越的机器学习算法,而其参数的选择对建模精度和泛化性能等有着重要的影响,也是目前机器学习研究的一个重要方向。在简要介绍基本粒子群优化(PSO)算法的基础上,提出了一种量子粒子群优化算法,给出了其实现方式,并通过4个基准测试函数进行性能对比评价。基于这种量子粒子群优化算法,对最小二乘支持向量机(LS-SVM)的参数优化进行了研究。仿真结果表明,量子粒子群优化算法能给出很好的优化结果。

关 键 词：量子粒子群 最小二乘支持向量机 基准测试  参数优化

分 类 号：TP18]