论文部分内容阅读
针对如何通过优化支持向量机参数实现更优分类效果的问题,进行了基于人工蜂群算法的支持向量机参数优化研究。首先,基于玛纳斯湖古湖盆区域的多角度遥感数据和土地覆被信息构建观测数据集。然后,分别使用人工蜂群算法和网格法优化的支持向量机、决策树和最大似然法,依据训练集建立分类模型,继而对测试集进行分类。通过对分类混淆矩阵的比较分析发现,在使用该观测数据集的情况下,当以径向基为核函数时,无论利用人工蜂群算法还是网格法对惩罚因子C和核参数γ的取值进行优化,支持向量机的分类效果均优于决策树和最大似然法。另外,经过人