基于蚁群算法的支持向量机参数选择方法研究(英文)

作者：齐亮

来源：系统仿真技术, 2008, (01): 14-18.

DOI：10.16812/j.cnki.cn31-1945.2008.01.004

• 支持向量机
• 蚁群算法
• 参数选取 support vector machine
• ant colony algorithm
• parameters selection

支持向量机(SVM)的参数取值决定了其学习性能和泛化能力。对此,将SVM参数的选取看作参数的组合优化,建立组合优化的目标函数。采用蚁群算法(ACA)来搜索最优目标函数值。ACA是一种优化搜索方法,具有较强的鲁棒性、优良的分布式计算机制。仿真表明,ACA是选取SVM参数的有效方法,应用到函数逼近时有优良的性能。

• 单位
  江苏科技大学