基于改进引力搜索算法的SVM的参数优化及应用

发布时间：2024-05-25 03:48

　　引力搜索算法是自然启发算法中流行的一种自适应搜索算法,该算法利用牛顿引力定律寻找最优解。引力搜索算法的性能受勘探开发能力的影响,kbest是控制这一权衡的参数之一。提出了一种新的混沌引力搜索算法,利用kbest中的混沌模型来平衡勘探和开发的非线性关系。该算法在后续迭代中收敛速度快、精度高、不陷入局部最优。实验结果验证了该算法的有效性,同时介绍了粒子群优化的惯性权重和全局记忆。采用改进的重力搜索算法对SVM参数进行优化,并利用测试函数和数据集进行验证,结果显示在入侵检测数据集,改进算法比原始算法正确率提升约5%;在wine数据集,运行时间减少了约16%。实验结果表明该优化算法在后续迭代中收敛速度快、精度高、不易陷入局部最优。

【文章页数】：3 页

【部分图文】：

图3.5部分基准函数迭代曲线

重庆邮电大学硕士学位论文第3章基于改进引力搜索算法的SVM的参数优化及应用28表3.1基准测试函数（续）测试函数ix范围91()sin()niiiFxxx[500,500]222101211212222212112122()[1(1)(191431463)][30(23)(183....

图3.6部分基

重庆邮电大学硕士学位论文第3章基于改进引力搜索算法的SVM的参数优化及应用29CPGSA算法更加稳定，因为本身只能寻优算法其实还是存在一点不确定性，尤其是对于有多个极小值点的问题，很容易陷入局部最优，所以算法能否稳定的进行优化也是一个值得考虑的问题。为了展示的更清晰，所以坐标轴采....

图3.11平均准确率对比图

重庆邮电大学硕士学位论文第3章基于改进引力搜索算法的SVM的参数优化及应用35图3.10测试集实际分类和预测分类图图3.11平均准确率对比图3.6本章小结本章首先通过对引力搜索算法流程的详细研究，发现了一些可能导致局部优化问题的算法步骤，如引力常量的计算、无群体学习性等。本文算法....

本文编号：3981658