基于小生境遗传算法的支持向量机分类器参数优化  

Parameter Optimization of Support Vector Machine for Classification Using Niche Genetic Algorithm

作　　者：朱宁[1] 冯志刚[1] 王祁[1] 

机构地区：[1]哈尔滨工业大学自动化测试与控制系,黑龙江哈尔滨150001

出　　处：《南京理工大学学报》2009年第1期16-20,共5页Journal of Nanjing University of Science and Technology

基　　金：国家自然科学基金(60572010)

摘　　要：该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法。该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法。将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构。On the basis of establishing the classification performance evaluation function for support vector machine （SVM）, this paper analyzes the influence of SVM parameters on its classification performance, proposes a parameter optimization method of SVM for classification using sharing func- tion based niche genetic algorithm （SNGA）. In the SNGA approach, the classification performance evaluation function is used to evaluate the SVM generalization performance, the inverse of the classi- fication performance evaluation function is used as the fittness value. The hamming distance between every two individuals is defined as the sharing function. The method is experimented with five benchmark repositories collected by Gunna Ratsch. The results demonstrate that the algorithm can get the SVM for classification with the best recognition accuracy and simple structure.

关 键 词：参数优化 小生境遗传算法 支持向量机 分类器 共享函数 

分 类 号：TH173[机械工程—机械制造及自动化] TP183[自动化与计算机技术—控制理论与控制工程]