文献类型：期刊文章

作　　者：于明[1] 艾月乔[1]

机构地区：[1]河北工业大学计算机科学与软件学院,天津300401

出　　处：《光电子．激光》

基　　金：国家科技支撑计划资助项目(2009BAI71B02);河北省科技支撑计划资助项目(10213565)

年　　份：2012

卷　　号：23

期　　号：2

起止页码：374-378

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD2011_2012、EI(收录号：20121114852820)、SCOPUS、核心刊

摘　　要：为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。

关 键 词：人工蜂群(ABC)算法  支持向量机(SVM)  参数优化 优化算法

分 类 号：TP181]