SVM参数优化的AFMC算法  

AFMC algorithm for SVM parameter optimization

作　　者：高雷阜[1] 赵世杰[1] 于冬梅[1] 徒君[1] 

机构地区：[1]辽宁工程技术大学优化与决策研究所,辽宁阜新123000

出　　处：《计算机工程与科学》2015年第7期1304-1310,共7页Computer Engineering & Science

基　　金：教育部高等学校博士学科点专项科研基金联合资助项目(20132121110009)

摘　　要：支持向量机的参数选择仍未有系统的理论指导,其优化选择一直是支持向量机的一个重要研究方向。考虑到人工鱼群算法优化支持向量机参数往往易陷入最优参数组合微小邻域的问题,构造了用于支持向量机参数优化的AFMC算法。该算法前期利用鱼群算法较好的并行寻优性能,能快速寻得问题的近似最优解,而后利用MonteCarlo法进行局部寻优,以实现快速、有效地获取强近优解。数值实验结果表明,该算法具有较好的分类性能和较快的寻优速度,验证了在支持向量机参数寻优中的有效性和可行性。Support vector machine （SVM）parameter optimization selection is an important research direction, but there is still no systematic theory to guide the selection of the SVM parameters. Since op- timizing the SVM parameters by the artificial fish-swarm algorithm tends to fall into the small neighbor- hood of the approximate optimal solution,we design the AFMC algorithm for the SVM parameter opti- mization. At the early stage, we use the better parallel optimization performance of the fish-swarm algo- rithm to quickly gain the approximate optimal solution. Then we use the MonteCarlo algorithm for local searching to achieve a quick and effective strong-approximate optimal solution. The numerical experi- ments show that the proposed algorithm has better classification performance and faster searching speed, and it is effective and feasible in the SVM parameter optimization.

关 键 词：支持向量机 参数优化 人工鱼群算法 蒙特卡罗法 近似最优解 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]