典型文献
改进的萤火虫算法优化双支持向量机参数
文献摘要：
针对原始萤火虫算法(Firefly Algorithm,FA)易陷入局部最优、求解精度低,双支持向量机(Twin Support Vector Machine,TWSVM)参数选择困难的问题,提出基于改进萤火虫算法(DEFA)的双支持向量机模型(DEFA-TWSVM).首先,对原始萤火虫算法进行改进,得到DEFA算法:在萤火虫位置更新公式中结合动态惯性权重,自适应地调整步长控制因子来快速搜索全局和局部最优解,对每次移动后的萤火虫群融入差分进化算法(Differential Evolution,DE)策略,保证种群迭代多样性,通过基准测试函数的仿真结果表明改进后的算法全局寻优能力强,不易陷入局部最优.其次,利用DEFA算法优化TWSVM的参数.最后,在UCI数据集进行测试,得到DEFA-TWS-VM和其他模型的分类准确率.通过比较发现:DEFA算法可以在训练过程中自动确定TWSVM参数,解决了TWSVM参数选择盲目的问题,平均分类准确率相较其他模型提高了 2到5个百分点.
文献关键词：
双支持向量机;参数选择;萤火虫算法;动态惯性权重;差分进化算法;自适应步长
中图分类号：
作者姓名：
顾佳鑫;贺兴时;杨新社
作者机构：
西安工程大学理学院,陕西西安710600;密德萨斯大学科学与技术学院,英国伦敦NW4 4BT 701
文献出处：
引用格式：
[1]顾佳鑫;贺兴时;杨新社-.改进的萤火虫算法优化双支持向量机参数)[J].微电子学与计算机,2022(11):11-18
A类：
DEFA
B类：
改进的萤火虫算法,算法优化,双支持向量机,Firefly,Algorithm,Twin,Support,Vector,Machine,TWSVM,参数选择,改进萤火虫算法,支持向量机模型,位置更新,动态惯性权重,步长控制,控制因子,局部最优解,差分进化算法,Differential,Evolution,基准测试函数,全局寻优,寻优能力,UCI,分类准确率,训练过程,平均分,百分点,自适应步长
AB值：
0.253539
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
