支持向量機(jī)（SVM:Support Vector Machine）是定義在特征空間上的間隔最大的線性分類器,參數(shù)的選擇決定了其學(xué)習(xí)性能和泛化能力。針對此參數(shù)選擇問題,采用改進(jìn)的渦流搜索算法對支持向量機(jī)參數(shù)進(jìn)行選擇,尋找最優(yōu)適應(yīng)度函數(shù)。仿真實(shí)驗(yàn)表明,改進(jìn)的渦流搜索算法是一種有效的SVM參數(shù)選擇方法,有利于跳出局部最小值,其優(yōu)化性能不低于渦流搜索算法。 

【文章來源】：吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2020,38(03)

【文章頁數(shù)】：7 頁

【部分圖文】：

渦流搜索中心的搜索過程

其中w為超平面的法向量，φ(x)代表對原始特征的變換，C>0為錯(cuò)分樣本的懲罰因子，ξi≥0為松弛變量，b∈R為閾值。引入Lagrange函數(shù)，將二次規(guī)劃問題轉(zhuǎn)化為相應(yīng)的對偶問題，即其中K(xi,xj)為核函數(shù)。支持向量機(jī)分類模型如圖2所示。

MVS算法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]微地震數(shù)據(jù)去噪方法綜述[J]. 代麗艷,董宏麗,李學(xué)貴.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2019(04)
[2]Rotated hyperbola model for smooth support vector machine for classification[J]. Wang En.  The Journal of China Universities of Posts and Telecommunications. 2018(04)
[3]分群渦流搜索優(yōu)化算法[J]. 劉魏巖.  信息通信. 2018(04)
[4]量子彩色圖像的頻域?yàn)V波[J]. 李盼池,孫昊.  電子與信息學(xué)報(bào). 2018(03)
[5]基于SVM新的情感計(jì)算方法[J]. 楊永健,聶瑜,吳洋,孫廣志,楊仲堯.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(04)
[6]人工蜂群算法優(yōu)化支持向量機(jī)的傳感器節(jié)點(diǎn)定位[J]. 陳海霞,王連明.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2017(03)
[7]基于渦流搜索算法的過程支持向量回歸機(jī)模型[J]. 李學(xué)貴,許少華,李娜,趙恩濤,郭昊.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(03)
[8]量子衍生渦流搜索算法[J]. 李盼池,盧愛平.  控制與決策. 2016(06)



本文編號(hào)：3065698