技术特征:
技术总结
本发明公开了一种基于改进的粒子群算法的SVM分类器参数优化方法,包括:(1)对采集的样本数据进行10重交叉验证,选择影响分类器性能的参数作为待优化参数;(2)初始化分类器和粒子群算法的相关参数,根据所述相关参数更新粒子速度和位置;(3)将分类器的待优化参数设置为粒子当前位置的相应维度值,计算得到粒子当前位置对应的适应度值;(4)根据所述粒子当前位置对应的适应度值得到适应度值评估粒子,更新所述个体最优位置和种群最优位置;该方法构造了基于多项式核函数和高斯核函数的混合核函数,改进了传统的粒子群算法,利用改进的PSO‑SVM算法优化核函数参数,进而提高分类器的综合性能,保障高分类精度的同时也可提高分类器的泛化能力。
技术研发人员:黄杰;周微
受保护的技术使用者:东南大学
技术研发日:2018.05.23
技术公布日:2018.11.23