基于改进粒子群算法的支持向量机遥感影像分类

作者：姜雯; 吴陈^*

来源：江苏科技大学学报(自然科学版), 2020, 34(05): 66-72.

• 粒子群算法
• 支持向量机
• 自适应权重
• 模拟退火算法

针对粒子群算法在优化支持向量机(SVM)参数时,存在着易陷入局部最优、早熟收敛、以及分类精度低的问题,提出了改进粒子群算法的两种优化方案:一方面,提出了一种自适应权重的粒子群优化算法来平衡粒子的全局和局部最优能力;另一方面,引入了模拟退火算法对粒子群算法进行优化,使得粒子能够跳出局部最优解,从而达到全局最优.分别对粒子群算法优化的SVM(PSO-SVM)、自适应权重粒子群算法优化的SVM(WPSO-SVM)和引入模拟退火算法的粒子群算法优化的SVM(SAPSO-SVM)3种算法在UCI标准数据集上的分类效果,及在遥感影像上的分类差异进行实验.结果表明:优化后的算法WPSO-SVM和SAPSO-SVM提高了粒子的搜索性能,具有较高的收敛精度.

• 单位
  江苏科技大学