基于粒子群算法的Universum SVM参数选择
分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.
Universum SVM、参数选择、粒子群算法
39
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61201360;北京市自然科学基金资助项目4092009
2013-07-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
840-845