计算机科学 ›› 2015, Vol. 42 ›› Issue (Z11): 19-21.
盛明明,黄海燕,赵玉
SHENG Ming-ming, HUANG Hai-yan and ZHAO Yu
摘要: 支持向量机参数是影响其性能的重要因素,但对支持向量机核参数的选取仍没有形成一套成熟的理论,从而严重影响了其广泛的应用。将克隆选择算法引入差分进化算法,对基本克隆选择算法和差分进化算法中的策略进行改进。将两种改进的算法进行融合,提出了一种基于克隆选择的差分进化算法,并将其应用于SVM核参数的优化中。测试结果表明,该算法不仅可以有效避免差分进化算法易早熟收敛的问题,而且寻优能力得到显著提高;在UCI数据库wine数据中的应用表明,利用克隆选择差分进化算法优化SVM核参数加快了参数搜索的速度,提高了SVM预测精度和泛化能力,具有较高的分类准确率和较好的推广性能。
[1] 赵海洋,徐敏强,王金东.改进二叉树支持向量机及其故障诊断方法研究[J].振动工程学报,2013(5):764-770 [2] 彭光金,司海涛,俞集辉,等.改进的支持向量机算法及其应用[J].计算机工程与应用,2011,7(18):218-211 [3] 于明,艾月乔.基于人工蜂群算法的支持向量机参数优化及应用[J].光电子·激光,2012,23(2):374-378 [4] 庄严,白振林,许云峰.基于蚁群算法的支持向量机参数选择方法研究[J].计算机仿真,2011,28(5):216-219 [5] Das S,Suganthan P N.Differential evolution:a survey of thestate-of-the-art[J].IEEE Transactions on Evolutionary Computation,2011,5(1):4-31 [6] Angira R,Babu B V.Optimization of process synthesis and design problems:a modified differential evolution approach [J].Chemical Engineering Science,2006,1(14):4707-4721 [7] Babu B V,Angira R.Modified differential evolution (MDE) for optimization of nonlinear chemical processes [J].Computer and Chemical Engineering,2006,0(6):989-1002 [8] de Castro L N,Tmanis J.Artificial Immune Systems:A NewComputational Intelligence Approach [M].British:Springer Press,2002 [9] Leandro N de C,Fernando J Von Z.Learning and optimization using the clonal selection principle[J].IEEE Transactions on Evolutionary Computation,2002(3):239-251 [10] 张向荣,焦李成.基于免疫克隆选择算法的特征选择[J].复旦学报(自然科学版),2004,3(5):926-929 [11] 王俊,田玉玲.用于入侵检测的动态克隆选择算法的研究[J].计算机与数字工程,2010(6):108-110 [12] 刘倩,仇宾.基于克隆选择算法的花卉图像分割[J].计算机工程与应用,2012,48(14):185-189 [13] 徐佳,张卫.人工免疫系统中的抗体生成与匹配算法[J].计算机工程,2010,6(9):181-183 [14] 胡超杰,章兢.一种采用克隆选择的免疫差分进化算法[J].计算机应用研究,2013,0(6):1640-1642 |
No related articles found! |
|