论文部分内容阅读
在数据挖掘中，支持向量机是被广泛应用的一种分类算法，其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法，并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO-SVM算法对一个经典的分类测试数据集进行分类，将该算法与单一核函数支持向量机算法的分类结果进行比较，结果表明所提出的算法的分类性能有明显提升。