典型文献
改进的布谷鸟搜索算法对支持向量机参数优化
文献摘要：
针对支持向量机(SVM)惩罚因子和核函数参数选择困难的问题,提出改进的布谷鸟搜索算法(GFCS)优化SVM参数模型(GFCS-SVM).GFCS算法从3个方面改进原始布谷鸟搜索算法的寻优能力:用动态发现概率代替固定发现概率,自适应地调整布谷鸟莱维飞行的步长控制因子,在布谷鸟随机游走更新公式中改进动态惯性权重.利用GFCS算法优化SVM的惩罚因子和核函数参数,并在UCI数据集进行测试.与传统的SVM、粒子群算法优化SVM、萤火虫算法优化SVM和布谷鸟搜索算法优化SVM相比,GFCS-SVM分类准确率最高,是一种有效的SVM参数优化算法.
文献关键词：
支持向量机;布谷鸟搜索算法;参数选择;自适应步长;动态发现概率;动态惯性权重
中图分类号：
作者姓名：
顾佳鑫;贺兴时;刘青
作者机构：
西安工程大学理学院,陕西西安710048
文献出处：
引用格式：
[1]顾佳鑫;贺兴时;刘青-.改进的布谷鸟搜索算法对支持向量机参数优化)[J].西安工程大学学报,2022(02):110-118
A类：
GFCS,动态发现概率
B类：
布谷鸟搜索算法,惩罚因子,核函数,函数参数,参数选择,参数模型,寻优能力,莱维飞行,步长控制,控制因子,随机游走,进动,动态惯性权重,算法优化,UCI,粒子群算法,萤火虫算法,分类准确率,自适应步长
AB值：
0.178389
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。
