粒子群算法优化混合核函数SVM及应用

发布时间：2017-10-16 00:11

  本文关键词：粒子群算法优化混合核函数SVM及应用

  更多相关文章： 支持向量机 动态粒子群 核函数参数 寻优 分类精度

【摘要】：相比于单一核函数支持向量机,混合核函数的引入使支持向量机多了一个可调参数,而这个可调参数一般是根据人为随机选取或者依据经验选取,并不能保证参数最优。针对此问题,提出了以惩罚系数、核函数参数和可调参数为寻优对象,用动态粒子群对其进行寻优的方法,以获取最优参数组合,从而提高支持向量机的分类性能。通过对UCI数据库中的IRIS数据集进行分类实验,结果表明:相比于单一核函数支持向量机,混合核函数支持向量机泛化能力更好,分类精度更高;动态粒子群算法能够搜索到更优的支持向量机参数。
【作者单位】： 海军工程大学;空军装备研究院;
【关键词】： 支持向量机 动态粒子群 核函数参数 寻优 分类精度
【分类号】：TP18
【正文快照】： 1引言支持向量机(Support Vector Machine,SVM)是统计学习理论的具体体现,统计学习理论是从小样本出发的学习理论,最早是由Vapnik于20世纪60年代提出的,自20个世纪90年代逐渐受到越来越多的关注[1]。一般的机器学习如神经网络,在训练的过程中目标函数通常遵循最小化经验风险,

【相似文献】

中国期刊全文数据库 前10条

1 周珂;蔡洁;;SVM在阿尔茨海默型老年痴呆症辅助诊断中的应用[J];现代计算机(专业版);2012年17期

2 王蒙;傅行军;;基于参数优化SVM的旋转机械故障诊断[J];江苏电机工程;2008年01期

3 谢志强;高丽;杨静;;基于球结构的完全二叉树SVM多类分类算法[J];计算机应用研究;2008年11期

4 孙颖;刘玉满;龚稳;;基于SVM的多传感器信息融合[J];长春工业大学学报(自然科学版);2013年03期

5 焦鹏;王新政;谢鹏远;;基于SVM的模拟电路故障诊断及参数优化方法[J];计算机测量与控制;2013年08期

6 张贝贝;何中市;;基于支持向量数据描述算法的SVM多分类新方法[J];计算机应用研究;2007年11期

7 赵天昀;;多分类SVM在企业竞争情报自动分类中的应用[J];现代情报;2008年10期

8 彭磊;高峰;任立华;黄真辉;;基于SVM的混沌时间序列预测模型应用研究[J];工程勘察;2013年09期

9 刘海松;吴杰长;陈国钧;;克隆选择优化的SVM模拟电路故障诊断方法[J];电子测量与仪器学报;2010年12期

10 刘永斌;何清波;张平;孔凡让;;基于SVM的旋转机械故障诊断方法[J];计算机工程;2012年05期

中国重要会议论文全文数据库 前10条

1 滕卫平;胡波;滕舟;钟元;;SVM回归法在西太平洋热带气旋路径预报中的应用研究[A];S1 灾害天气研究与预报[C];2012年

2 王红军;徐小力;付瑶;;基于SVM的旋转机械故障诊断知识获取[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

3 陈兆基;杨宏晖;杜方键;;用于水下目标识别的选择性SVM集成算法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

4 程丽丽;张健沛;杨静;马骏;;一种改进的层次SVM多类分类方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

6 宁伟;苗雪雷;胡永华;季铎;张桂平;蔡东风;;基于SVM的无参考译文的译文质量评测[A];机器翻译研究进展——第四届全国机器翻译研讨会论文集[C];2008年

7 刘旭;罗鹏飞;李纲;;基于拟合角特征及SVM的雷达辐射源个体识别[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

8 罗浩;谢军龙;胡云鹏;;地源热泵空调系统故障诊断中SVM的应用[A];全国暖通空调制冷2008年学术年会资料集[C];2008年

9 刘闪电;王建东;;权重部分更新的大规模线性SVM求解器[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 王舰;汤光明;;基于SVM的图像隐写检测分析[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 陈志茹;基于SVM集成学习的miRNA靶基因预测研究[D];燕山大学;2015年

中国硕士学位论文全文数据库 前10条

1 杨刘;基于PCA与SVM的地力评价研究[D];中南林业科技大学;2015年

2 伍岳;基于SVM的文本分类应用研究[D];电子科技大学;2014年

3 高传嵩;基于SVM文本分类的问答系统的设计与实现[D];南京大学;2014年

4 冯天娇;基于肝脏表观模型和优化SVM的肝癌识别方法的研究与实现[D];东北大学;2013年

5 姚磊;基于SVM主动学习的音乐分类[D];南京邮电大学;2015年

6 毛晓东;基于多层SVM的面筋强度分类模型优化研究[D];黑龙江大学;2014年

7 马琰;一种基于SVM和多源数据的金丝猴生境评价研究[D];中国林业科学研究院;2015年

8 王立达;基于混合核函数的SVM及其应用研究[D];大连海事大学;2016年

9 李同同;基于SVM安瓿药液杂质检测与识别算法的研究[D];广东工业大学;2016年

10 林志杰;基于二叉平衡决策树的SVM多分类算法的改进[D];福州大学;2014年

，

本文编号：1039500