基于鸟群算法的SVM参数选择

作     者：肖海军 卢常景 何凡 Xiao Haijun;Lu Changjing;He Fan

作者机构：中国地质大学数学与物理学院武汉430074 

出 版 物：《中南民族大学学报（自然科学版）》 (Journal of South-Central University for Nationalities：Natural Science Edition)

年 卷 期：2017年第36卷第3期

页      面：90-94页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(11301492) 中国地质大学(武汉)基础研究基金项目(CUGL140420) 

主　　题：鸟群算法 支持向量机 参数选择 

摘      要：针对支持向量机(SVM)分类器参数选择问题,提出了基于鸟群算法(BSA)的SVM参数选择方法(BSASVM),以优化SVM惩罚参数和核参数.鸟群算法具有优化精度高、鲁棒性好等特点,将SVM参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数.通过8个UCI标准数据集的MATLAB仿真对比实验,验证了BSA-SVM能有效提高分类准确性.实验结果表明:BSA-SVM能更加准确地找到SVM最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.