基于混沌粒子群的支持向量机参数优化

基于混沌粒子群的支持向量机参数优化
任文进;钟清流
【期刊名称】《科学技术与工程》
【年(卷),期】2007(007)018
【摘要】支持向量机的参数选择决定了其学习性能和泛化能力,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优.基于此,提出一种基于混沌粒子群的支持向量机参数选择算法.混沌粒子群优化算法是一种全局搜索方法,在选取SVM参数时,不必考虑模型的复杂度和变量维数.仿真表明,混沌粒子群优化算法是选取SVM参数的有效方法,可以取得令人满意的效果.
【总页数】4页(P4597-4600)
【作者】任文进;钟清流
【作者单位】湖南大学计算机与通信学院,长沙,410082;湖南师范大学,数学与计算机科学学院,长沙,410081;湖南大学计算机与通信学院,长沙,410082
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于自适应混沌粒子群和支持向量机的医学图像分类 [J], 岳丽娟;姜英姿
2.一种基于混沌粒子群算法和支持向量机的 P2 P流量识别方法 [J], 王春枝;张会丽;叶志伟;陈宏伟
3.基于混沌粒子群优化小波支持向量机的汇率预测 [J], 廖淑娇;冯晓霞;刘家彬
4.基于混沌粒子群支持向量机的电子战无人机作战效能评估 [J], 马兴民;张勇
5.基于混沌粒子群支持向量机的电子战无人机作战效能评估 [J], 马兴民;张勇因版权原因，仅展示原文概要，查看原文内容请购买。