基于二进制PSO算法的特征选择及SVM参数同步优化

计算机科学 ›› 2007, Vol. 34 ›› Issue (6): 179-182.

基于二进制PSO算法的特征选择及SVM参数同步优化

任江涛赵少东许盛灿印鉴

中山大学计算机科学系,广州510275

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文研究得到国家自然科学基金资助（60573097）、广东省自然科学基金资助（04300462、05200302）.

REN Jiang-Tao, ZHAO Shao-Dong, XU Shen-Chan, YIN Jian （Department of Computer Science, Zhongshan University, Guangzhou 510275）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 特征选择及分类器参数优化是提高分类器性能的两个重要方面,传统上这两个问题是分开解决的。近年来,随着进化优化计算技术在模式识别领域的广泛应用,编码上的灵活性使得特征选择及参数的同步优化成为一种可能和趋势。为了解决此问题,本文研究采用二进制PSO算法同步进行特征选择及SVM参数的同步优化,提出了一种PSO-SVM算法。实验表明,该方法可有效地找出合适的特征子集及SVM参数,并取得较好的分类效果;且与文[4]所提出的GA-SVM算法相比具有特征精简幅度较大、运行效率较高等优点。

关键词: 特征选择支持向量机同步优化粒子群算法

Abstract: Feature selection and classifier parameter optimization are two important aspects for improving classifier performance and are solved separately traditionally. Recently, with the wide applications of evolutionary computation in pattern recognition area, s

Key words: Feature selection, SVM, Simultaneous optimization, PSO

任江涛赵少东许盛灿印鉴. 基于二进制PSO算法的特征选择及SVM参数同步优化[J]. 计算机科学, 2007, 34(6): 179-182. https://doi.org/

REN Jiang-Tao, ZHAO Shao-Dong, XU Shen-Chan, YIN Jian （Department of Computer Science, Zhongshan University, Guangzhou 510275）. [J]. Computer Science, 2007, 34(6): 179-182. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed