改进的萤火虫算法优化双支持向量机参数

改进的萤火虫算法优化双支持向量机参数
顾佳鑫;贺兴时;杨新社
【期刊名称】《微电子学与计算机》
【年(卷),期】2022(39)11
【摘要】针对原始萤火虫算法(Firefly Algorithm,FA)易陷入局部最优、求解精度低,双支持向量机(Twin Support Vector Machine,TWSVM)参数选择困难的问题,提出基于改进萤火虫算法(DEFA)的双支持向量机模型(DEFA-TWSVM).首先,对原始萤火虫算法进行改进,得到DEFA算法:在萤火虫位置更新公式中结合动态惯性权重,自适应地调整步长控制因子来快速搜索全局和局部最优解,对每次移动后的萤火虫群融入差分进化算法(Differential Evolution,DE)策略,保证种群迭代多样性,通过基准测试函数的仿真结果表明改进后的算法全局寻优能力强,不易陷入局部最优.其次,利用DEFA算法优化TWSVM的参数.最后,在UCI数据集进行测试,得到DEFA-TWSVM和其他模型的分类准确率.通过比较发现:DEFA算法可以在训练过程中自动确定TWSVM参数,解决了TWSVM参数选择盲目的问题,平均分类准确率相较其他模型提高了2到5个百分点.
【总页数】8页(P11-18)
【作者】顾佳鑫;贺兴时;杨新社
【作者单位】西安工程大学理学院;密德萨斯大学科学与技术学院 701
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种改进的优化支持向量机参数的萤火虫算法
2.基于改进人工鱼群算法优化参数的支持向量机研究——中长期电力需求预测应用
3.萤火虫算法优化SVR参数在短期电力负荷预测中的应用
4.改进UKF及其在双馈风力发电机参数辨识中的应用——基于遗传算法优化
5.基于改进人工鱼群算法优化参数的支持向量机研究——中长期电力需求预测应用
因版权原因，仅展示原文概要，查看原文内容请购买。