科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对时变粒子群算法对支持向量机惩罚参数和核函数参数寻优能力不足导致检测效率相对较低的问题,提出一种余弦时变粒子群优化支持向量机的方法。该方法通过运用余弦时变加速系数平衡算法在全局和局部的搜索能力,根据粒子适应度值与自定义的平均适应度值之间的距离,修改惯性权重的取值策略。结合2种方法来优化粒子群算法,控制粒子全局搜索和快速收敛到全局最优解;分别从NSL-KDD数据集和ADFA-LD数据集选取样本进行测试,仿真实验结果表明,改进后的粒子群算法能够在搜索过程中有效地避免陷入局部最优的情况,可以更加快速地搜寻确定支持向量机模型参数的最优值,提高支持向量机的分类准确率。
- 单位
