基于粒子群算法的特征选择与支持向量机参数同步优化

来源 :中山大学 | 被引量 : 0次 | 上传用户:zeus2040
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
SVM是一种新的模式分类技术,已经在许多领域得到广泛的应用。特征选择和分类器参数优化是提高SVM性能的两个重要方面,传统上这两个问题是分开解决的。然而这两个问题是相互影响的,获取最佳特征子集和获取最优参数应该同步进行。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。 为解决SVM的特征选择和参数优化问题,本文提出了一种基于连续PSO算法的特征选择和SVM参数同步优化算法(CPSO-SVM),其目标是在尽可能提高SVM分类精度的同时,选择尽可能少的特征数目。在真实数据集上的实验研究表明,CPSO-SVM算法具有原始SVM算法所不具备的特征选择能力,能显著提高SVM的分类能力(包括更高的分类精度和更好的均衡性),而且从分类器的整个生命周期来看,具有更高的效率。与Huang C-L等[12]所提出的基于GA的算法相比,CPSO-SVM算法在分类能力和特征性选择能力上毫不逊色,而且效率更高。因此,CPSO-SVM算法具有较好的分类能力、特征选择能力和效率,是一种有效的算法。 鉴于特征选择在SVM分类问题上的重要性,以及离散PSO算法比连续PSO算法更适合处理特征选择这种组合优化问题,本文在CPSO-SVM算法的基础上,提出了一种基于离散PSO算法的特征选择和SVM参数同步优化算法(DPSO-SVM),旨在提高CPSO-SVM算法的特征选择能力。在真实数据集上的实验研究表明,DPSO-SVM算法在分类能力(指分类器精度和均衡性)和算法效率方面不亚于CPSO-SVM算法,并且具有更强的特征选择能力,能够在不影响分类效果的前提下,选出更少的特征数目。总的来说,本文运用PSO算法同步解决SVM的特征选择和参数优化问题,取得了良好的效果。在作者所掌握的文献范围内,这方面的工作还比较缺乏。而且,与已有的算法相比,本文所提出的算法具有更强的特征选择能力和更高的效率。
其他文献
在相关工作基础上,我们已经初步建立了电信客户本体模型。但在更进一步的应用和扩展过程中,我们发现了几类问题:建立的本体难免有冲突、不一致的现象;本体应用中缺少一种灵活
随着无线传感器网络的广泛应用,其安全问题显得越发突出,尤其是在军事和商业领域。然而,由于无线传感器网络在电源、计算能力、内存容量等方面的局限性,传统的网络密钥分配和管理
工作流技术广泛应用于构建虚拟组织业务流程平台的实践中。近年来,随着互联网技术的不断发展,许多虚拟组织得以突破地域上的限制,成为基于广域互联网的大型分布式组织,组织所支持
随着知识经济时代的来临,基于知识资源的知识创新能力逐渐成为企业核心竞争力。企业在信息化发展过程中积累了大量的知识,但随着企业内部知识量的膨胀,用户获取到真正所需知
认证是保证信息安全的基本技术。由于高铁、地铁运动的高速性以及列车中成员的密集性,导致此高速环境下存在聚集性快速切换的要求,由于现有的无线接入方案没有考虑到聚集性快
随着网络和分布计算技术的发展,协同设计技术已成为当前的研究热点之一。在协同设计平台上可方便的进行设计方案、多学科交流和信息共享。多个异地单位可以协同完成一项复杂
随着市场经济的快速发展,制造业的生产规模日益增大。实际生产中,各种工艺约束,资源约束,生产能力约束等平行存在,这就需要对生产作业进行合理的调度安排。而一个好的调度安
由于信息和通讯技术的发展,信息量的急剧增加使得人们进入了“信息爆炸”时代。在企业的电子商务应用中,一方面信息量的不断增长,而另一方面信息处理的低效,造成了大量信息资
随着近两年智能家居行业的快速发展和相关产品的不断推出,传统的围绕设备功能实现的基于GUI的智能家居系统造成用户交互体验不佳的问题越来越受到重视,而围绕用户交互体验提
目前正在进行商业化推广的无线局域网(Wireless Local Area Network,WLAN)是一种单跳的无线接入网,所有无线终端通过接入点(Access Point,AP)接入有线网络。但是,单跳无线传