典型文献
基于改进狮群算法的支持向量机参数优化方法
文献摘要：
针对传统支持向量机在参数选择中存在的问题,文中提出一种利用改进的狮群算法优化支持向量机参数的方法.为了提高狮群算法(LSO)的寻优能力,在原始狮群算法的搜索公式中引入差分变异机制以及参数自适应调整策略,该方式可在保证算法前期全局搜索能力和后期局部寻优能力的同时更易于跳出局部极值.引入人工鱼群算法中的觅食行为机制提高局部寻优能力,最终建立一种改进狮群算法(DALSO).通过DALSO算法对支持向量机参数进行综合寻优以求取最优参数组合,从而提高支持向量机的求解精度.最后,利用测试函数和UCI数据集对DALSO优化SVM模型进行仿真测试与分类.实验结果表明:相比于多种对比算法,DALSO算法具有较强的寻优能力;与遗传算法、粒子群算法相比,DALSO优化SVM模型分类精度可提升6％～11％.
文献关键词：
改进狮群算法;支持向量机;参数优化;性能评估;参数寻优;自适应调整
中图分类号：
作者姓名：
吴程昊;莫路锋
作者机构：
浙江农林大学 信息工程学院,浙江 杭州 311300
文献出处：
引用格式：
[1]吴程昊;莫路锋-.基于改进狮群算法的支持向量机参数优化方法)[J].现代电子技术,2022(14):79-83
A类：
DALSO
B类：
改进狮群算法,统支,参数选择,算法优化,优化支持向量机,寻优能力,差分变异,变异机制,参数自适应调整策略,全局搜索,搜索能力,跳出局部,局部极值,人工鱼群算法,觅食行为,行为机制,求取,最优参数,数组,高支,测试函数,UCI,仿真测试,对比算法,粒子群算法,模型分类,分类精度,性能评估,参数寻优
AB值：
0.285601
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。
