發(fā)布時間：2017-08-22 06:32

  本文關(guān)鍵詞：改進的基于粒子群優(yōu)化的支持向量機特征選擇和參數(shù)聯(lián)合優(yōu)化算法

  更多相關(guān)文章： 支持向量機 特征選擇 參數(shù)優(yōu)化 粒子群優(yōu)化算法 遺傳算法 不相關(guān)性指數(shù)

【摘要】：針對支持向量機(SVM)中特征選擇和參數(shù)優(yōu)化對分類精度有較大影響,提出了一種改進的基于粒子群優(yōu)化(PSO)的SVM特征選擇和參數(shù)聯(lián)合優(yōu)化算法(GPSO-SVM),使算法在提高分類精度的同時選取盡可能少的特征數(shù)目。為了解決傳統(tǒng)粒子群算法在進行優(yōu)化時易出現(xiàn)陷入局部最優(yōu)和早熟的問題,該算法在PSO中引入遺傳算法(GA)中的交叉變異算子,使粒子在每次迭代更新后進行交叉變異操作來避免這一問題。該算法通過粒子之間的不相關(guān)性指數(shù)來決定粒子之間的交叉配對,由粒子適應(yīng)度值的大小決定其變異概率的大小,由此產(chǎn)生新的粒子進入到群體中。這樣使得粒子跳出當前搜索到的局部最優(yōu)位置,提高了群體的多樣性,在全局范圍內(nèi)尋找更優(yōu)值。在不同數(shù)據(jù)集上進行實驗,與基于PSO和GA的特征選擇和SVM參數(shù)聯(lián)合優(yōu)化算法相比,GPSO-SVM的分類精度平均提高了2%~3%,選擇的特征數(shù)目減少了3%~15%。實驗結(jié)果表明,所提算法的特征選擇和參數(shù)優(yōu)化效果更好。
【作者單位】： 武漢科技大學計算機科學與技術(shù)學院;智能媒體計算湖北省重點實驗室(武漢科技大學);
【關(guān)鍵詞】： 支持向量機 特征選擇 參數(shù)優(yōu)化 粒子群優(yōu)化算法 遺傳算法 不相關(guān)性指數(shù)
【基金】：國家自然科學基金資助項目(61273303,61572381)~~
【分類號】：TP18
【正文快照】： 0引言支持向量機(Support Vector Machine,SVM)用于高維數(shù)據(jù)分類具有較好的分類性能。由于高維數(shù)據(jù)中不可避免地存在與其他特征相冗余的特征,不僅降低SVM分類精度,而且增加算法的時間和空間復雜度。通過特征選擇算法實行降維[1-4]能有效消除冗余特征,提高算法性能。此外,在SVM

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 陳淵;馬宏偉;;基于蜜蜂算法的支持向量機特征選擇和參數(shù)優(yōu)化[J];組合機床與自動化加工技術(shù);2013年11期

2 石曉艷;劉淮霞;于水娟;;鯰魚粒子群算法優(yōu)化支持向量機的短期負荷預測[J];計算機工程與應(yīng)用;2013年11期

3 莊嚴;白振林;許云峰;;基于蟻群算法的支持向量機參數(shù)選擇方法研究[J];計算機仿真;2011年05期

4 王維真;熊義軍;魏開平;何文雅;;基于粒子群算法的灰度相關(guān)圖像匹配技術(shù)[J];計算機工程與應(yīng)用;2010年12期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 李杰;孫堯;;基于DAMPSO算法的USVs集群攻擊任務(wù)規(guī)劃研究[J];計算機工程與應(yīng)用;2013年20期

2 龐國瑞;葛廣英;田存?zhèn)?;基于PSO算法的運動目標跟蹤研究[J];單片機與嵌入式系統(tǒng)應(yīng)用;2013年06期

3 李強;耿云逸;吳福培;李f平;陽春;陳練;;基于粒子群的彩色印刷品圖像分層搜索定位算法[J];汕頭大學學報(自然科學版);2013年02期

4 蔡國欣;;二階段法凸殼支持向量機的研究與應(yīng)用[J];煤炭技術(shù);2013年05期

5 劉忠寶;王士同;;面向大規(guī)模數(shù)據(jù)的隱私保護學習機[J];電子科技大學學報;2013年02期

6 周方;張小鳳;張光斌;李錦;;蟻群算法中參數(shù)設(shè)置對超聲回波估計性能的影響[J];中國科學:信息科學;2013年02期

7 孟春玲;胡宏梁;李國峰;吳雅南;;基于ANSYS的風機輪轂的強度分析及優(yōu)化設(shè)計[J];計算機仿真;2012年07期

8 王曉雪;蘇杏麗;;數(shù)字圖像處理在車牌識別中的應(yīng)用[J];自動化儀表;2010年07期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 陳圣兵;王曉峰;;基于樣本差異度的SVM訓練樣本縮減算法[J];計算機工程與應(yīng)用;2012年07期

2 李永斌;;短期電力負荷預測模型的建立與應(yīng)用[J];計算機仿真;2011年10期

3 朱原媛;楊有龍;張恒偉;;基于貝葉斯網(wǎng)絡(luò)的混沌時間序列預測[J];計算機工程與應(yīng)用;2012年13期

4 車紅昆;呂福在;項占琴;;多特征SVM-DS融合決策的缺陷識別[J];機械工程學報;2010年16期

5 劉靜;戈振揚;林文如;寇光濤;郭浩;;薺菜根系的計算機模擬[J];計算機工程;2010年09期

6 張文亮;湯廣福;查鯤鵬;賀之淵;;先進電力電子技術(shù)在智能電網(wǎng)中的應(yīng)用[J];中國電機工程學報;2010年04期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吉小軍,李世中,李霆;相關(guān)分析在特征選擇中的應(yīng)用[J];測試技術(shù)學報;2001年01期

2 賈沛;桑農(nóng);唐紅衛(wèi);;一種改進的類別依賴型特征選擇技術(shù)[J];計算機與數(shù)子工程;2003年06期

3 靖紅芳;王斌;楊雅輝;徐燕;;基于類別分布的特征選擇框架[J];計算機研究與發(fā)展;2009年09期

4 吳洪麗;朱顥東;周瑞瓊;;使用特征分辨率和差別對象對集的特征選擇[J];計算機工程與應(yīng)用;2010年16期

5 楊藝;韓德強;韓崇昭;;基于排序融合的特征選擇[J];控制與決策;2011年03期

6 李云;;穩(wěn)定的特征選擇研究[J];微型機與應(yīng)用;2012年15期

7 錢學雙;多重篩選逐步回歸特征選擇法及其應(yīng)用[J];信息與控制;1986年05期

8 宣國榮;柴佩琪;;基于巴氏距離的特征選擇[J];模式識別與人工智能;1996年04期

9 范勁松,方廷健;特征選擇和提取要素的分析及其評價[J];計算機工程與應(yīng)用;2001年13期

10 王新峰;邱靜;劉冠軍;;基于特征相關(guān)性和冗余性分析的機械故障特征選擇研究[J];中國機械工程;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 靖紅芳;王斌;楊雅輝;;基于類別分布的特征選擇框架[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

2 李長升;盧漢清;;排序?qū)W習模型中的特征選擇[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類信息的特征選擇和加權(quán)方法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2004年

4 倪友平;王思臣;馬桂珍;陳曾平;;分支界定算法在低分辨雷達飛機架次判別中的應(yīng)用[A];第十三屆全國信號處理學術(shù)年會（CCSP-2007）論文集[C];2007年

5 李澤輝;聶生東;陳兆學;;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實驗研究[A];中國儀器儀表學會第九屆青年學術(shù)會議論文集[C];2007年

6 蒙新泛;王厚峰;;主客觀識別中的上下文因素的研究[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

7 萬京;王建東;;一種基于新的差異性度量的ReliefF方法[A];2009年研究生學術(shù)交流會通信與信息技術(shù)論文集[C];2009年

8 范麗;許潔萍;;基于GMM的音樂信號音色模型研究[A];第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文集[C];2008年

9 陳友;戴磊;程學旗;;基于MRMHC-C4．5的IP流分類[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

10 申f;楊宏暉;袁帥;;用于水聲目標識別的互信息無監(jiān)督特征選擇[A];第三屆上�！靼猜晫W學會學術(shù)會議論文集[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類研究[D];燕山大學;2015年

2 劉風;基于磁共振成像的多變量模式分析方法學與應(yīng)用研究[D];電子科技大學;2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究[D];電子科技大學;2014年

4 王博;文本分類中特征選擇技術(shù)的研究[D];國防科學技術(shù)大學;2009年

5 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學研究中的應(yīng)用[D];華東理工大學;2011年

6 高青斌;蛋白質(zhì)亞細胞定位預測相關(guān)問題研究[D];國防科學技術(shù)大學;2006年

7 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學;2011年

8 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

9 王鋒;基于�；瘷C理的粗糙特征選擇高效算法研究[D];山西大學;2013年

10 劉波;組稀疏子空間的大間隔特征選擇[D];重慶大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 周瑞;基于支持向量機特征選擇的移動通信網(wǎng)絡(luò)問題分析[D];華南理工大學;2015年

2 張金蕾;蛋白質(zhì)SUMO化修飾位點預測的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學;2015年

3 陳云風;基于聚類集成技術(shù)的高鐵信號故障診斷研究[D];西南交通大學;2015年

4 張斌斌;網(wǎng)絡(luò)股評的傾向性分析[D];中央民族大學;2015年

5 季金勝;高分辨率遙感影像典型地物目標的特征選擇及其穩(wěn)定性研究[D];上海交通大學;2015年

6 袁玉錄;基于數(shù)據(jù)分類的網(wǎng)絡(luò)通信行為建模方法研究[D];電子科技大學;2015年

7 王虎;基于試驗設(shè)計的白酒譜圖特征選擇及支持向量機參數(shù)優(yōu)化研究[D];南京財經(jīng)大學;2015年

8 王維智;基于特征提取和特征選擇的級聯(lián)深度學習模型研究[D];哈爾濱工業(yè)大學;2015年

9 皮陽;基于聲音的生物種群識別[D];電子科技大學;2015年

10 劉樹龍;特征選擇在軟件缺陷預測中的應(yīng)用技術(shù)研究[D];南京大學;2015年

，

本文編號：717587