改进的基于粒子群优化的支持向量机特征选择和参数联合优化算法

发布时间：2017-08-22 06:32

  本文关键词：改进的基于粒子群优化的支持向量机特征选择和参数联合优化算法

  更多相关文章： 支持向量机 特征选择 参数优化 粒子群优化算法 遗传算法 不相关性指数

【摘要】：针对支持向量机(SVM)中特征选择和参数优化对分类精度有较大影响,提出了一种改进的基于粒子群优化(PSO)的SVM特征选择和参数联合优化算法(GPSO-SVM),使算法在提高分类精度的同时选取尽可能少的特征数目。为了解决传统粒子群算法在进行优化时易出现陷入局部最优和早熟的问题,该算法在PSO中引入遗传算法(GA)中的交叉变异算子,使粒子在每次迭代更新后进行交叉变异操作来避免这一问题。该算法通过粒子之间的不相关性指数来决定粒子之间的交叉配对,由粒子适应度值的大小决定其变异概率的大小,由此产生新的粒子进入到群体中。这样使得粒子跳出当前搜索到的局部最优位置,提高了群体的多样性,在全局范围内寻找更优值。在不同数据集上进行实验,与基于PSO和GA的特征选择和SVM参数联合优化算法相比,GPSO-SVM的分类精度平均提高了2%~3%,选择的特征数目减少了3%~15%。实验结果表明,所提算法的特征选择和参数优化效果更好。
【作者单位】： 武汉科技大学计算机科学与技术学院;智能媒体计算湖北省重点实验室(武汉科技大学);
【关键词】： 支持向量机 特征选择 参数优化 粒子群优化算法 遗传算法 不相关性指数
【基金】：国家自然科学基金资助项目(61273303,61572381)~~
【分类号】：TP18
【正文快照】： 0引言支持向量机(Support Vector Machine,SVM)用于高维数据分类具有较好的分类性能。由于高维数据中不可避免地存在与其他特征相冗余的特征,不仅降低SVM分类精度,而且增加算法的时间和空间复杂度。通过特征选择算法实行降维[1-4]能有效消除冗余特征,提高算法性能。此外,在SVM

【参考文献】

中国期刊全文数据库 前4条

1 陈渊;马宏伟;;基于蜜蜂算法的支持向量机特征选择和参数优化[J];组合机床与自动化加工技术;2013年11期

2 石晓艳;刘淮霞;于水娟;;鲶鱼粒子群算法优化支持向量机的短期负荷预测[J];计算机工程与应用;2013年11期

3 庄严;白振林;许云峰;;基于蚁群算法的支持向量机参数选择方法研究[J];计算机仿真;2011年05期

4 王维真;熊义军;魏开平;何文雅;;基于粒子群算法的灰度相关图像匹配技术[J];计算机工程与应用;2010年12期

【共引文献】

中国期刊全文数据库 前8条

1 李杰;孙尧;;基于DAMPSO算法的USVs集群攻击任务规划研究[J];计算机工程与应用;2013年20期

2 庞国瑞;葛广英;田存伟;;基于PSO算法的运动目标跟踪研究[J];单片机与嵌入式系统应用;2013年06期

3 李强;耿云逸;吴福培;李f平;阳春;陈练;;基于粒子群的彩色印刷品图像分层搜索定位算法[J];汕头大学学报(自然科学版);2013年02期

4 蔡国欣;;二阶段法凸壳支持向量机的研究与应用[J];煤炭技术;2013年05期

5 刘忠宝;王士同;;面向大规模数据的隐私保护学习机[J];电子科技大学学报;2013年02期

6 周方;张小凤;张光斌;李锦;;蚁群算法中参数设置对超声回波估计性能的影响[J];中国科学:信息科学;2013年02期

7 孟春玲;胡宏梁;李国峰;吴雅南;;基于ANSYS的风机轮毂的强度分析及优化设计[J];计算机仿真;2012年07期

8 王晓雪;苏杏丽;;数字图像处理在车牌识别中的应用[J];自动化仪表;2010年07期

【二级参考文献】

中国期刊全文数据库 前6条

1 陈圣兵;王晓峰;;基于样本差异度的SVM训练样本缩减算法[J];计算机工程与应用;2012年07期

2 李永斌;;短期电力负荷预测模型的建立与应用[J];计算机仿真;2011年10期

3 朱原媛;杨有龙;张恒伟;;基于贝叶斯网络的混沌时间序列预测[J];计算机工程与应用;2012年13期

4 车红昆;吕福在;项占琴;;多特征SVM-DS融合决策的缺陷识别[J];机械工程学报;2010年16期

5 刘静;戈振扬;林文如;寇光涛;郭浩;;荠菜根系的计算机模拟[J];计算机工程;2010年09期

6 张文亮;汤广福;查鲲鹏;贺之渊;;先进电力电子技术在智能电网中的应用[J];中国电机工程学报;2010年04期

【相似文献】

中国期刊全文数据库 前10条

1 吉小军,李世中,李霆;相关分析在特征选择中的应用[J];测试技术学报;2001年01期

2 贾沛;桑农;唐红卫;;一种改进的类别依赖型特征选择技术[J];计算机与数子工程;2003年06期

3 靖红芳;王斌;杨雅辉;徐燕;;基于类别分布的特征选择框架[J];计算机研究与发展;2009年09期

4 吴洪丽;朱颢东;周瑞琼;;使用特征分辨率和差别对象对集的特征选择[J];计算机工程与应用;2010年16期

5 杨艺;韩德强;韩崇昭;;基于排序融合的特征选择[J];控制与决策;2011年03期

6 李云;;稳定的特征选择研究[J];微型机与应用;2012年15期

7 钱学双;多重筛选逐步回归特征选择法及其应用[J];信息与控制;1986年05期

8 宣国荣;柴佩琪;;基于巴氏距离的特征选择[J];模式识别与人工智能;1996年04期

9 范劲松,方廷健;特征选择和提取要素的分析及其评价[J];计算机工程与应用;2001年13期

10 王新峰;邱静;刘冠军;;基于特征相关性和冗余性分析的机械故障特征选择研究[J];中国机械工程;2006年04期

中国重要会议论文全文数据库 前10条

1 靖红芳;王斌;杨雅辉;;基于类别分布的特征选择框架[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

2 李长升;卢汉清;;排序学习模型中的特征选择[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 刘功申;李建华;李生红;;基于类信息的特征选择和加权方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

4 倪友平;王思臣;马桂珍;陈曾平;;分支界定算法在低分辨雷达飞机架次判别中的应用[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

5 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 蒙新泛;王厚峰;;主客观识别中的上下文因素的研究[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

7 万京;王建东;;一种基于新的差异性度量的ReliefF方法[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

8 范丽;许洁萍;;基于GMM的音乐信号音色模型研究[A];第四届和谐人机环境联合学术会议论文集[C];2008年

9 陈友;戴磊;程学旗;;基于MRMHC-C4．5的IP流分类[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

10 申f;杨宏晖;袁帅;;用于水声目标识别的互信息无监督特征选择[A];第三届上海——西安声学学会学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李静;高维数据交互特征选择和分类研究[D];燕山大学;2015年

2 刘风;基于磁共振成像的多变量模式分析方法学与应用研究[D];电子科技大学;2014年

3 王石平;粗糙拟阵及其在高维数据降维中的应用研究[D];电子科技大学;2014年

4 王博;文本分类中特征选择技术的研究[D];国防科学技术大学;2009年

5 张明锦;基于特征选择的多变量数据分析方法及其在谱学研究中的应用[D];华东理工大学;2011年

6 高青斌;蛋白质亚细胞定位预测相关问题研究[D];国防科学技术大学;2006年

7 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年

8 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

9 王锋;基于粒化机理的粗糙特征选择高效算法研究[D];山西大学;2013年

10 刘波;组稀疏子空间的大间隔特征选择[D];重庆大学;2013年

中国硕士学位论文全文数据库 前10条

1 周瑞;基于支持向量机特征选择的移动通信网络问题分析[D];华南理工大学;2015年

2 张金蕾;蛋白质SUMO化修饰位点预测的数据挖掘技术研究[D];西北农林科技大学;2015年

3 陈云风;基于聚类集成技术的高铁信号故障诊断研究[D];西南交通大学;2015年

4 张斌斌;网络股评的倾向性分析[D];中央民族大学;2015年

5 季金胜;高分辨率遥感影像典型地物目标的特征选择及其稳定性研究[D];上海交通大学;2015年

6 袁玉录;基于数据分类的网络通信行为建模方法研究[D];电子科技大学;2015年

7 王虎;基于试验设计的白酒谱图特征选择及支持向量机参数优化研究[D];南京财经大学;2015年

8 王维智;基于特征提取和特征选择的级联深度学习模型研究[D];哈尔滨工业大学;2015年

9 皮阳;基于声音的生物种群识别[D];电子科技大学;2015年

10 刘树龙;特征选择在软件缺陷预测中的应用技术研究[D];南京大学;2015年

，

本文编号：717587