[发明专利]一种基于禁忌搜索算法优化支持向量机的方法

权利要求书

1.一种基于禁忌搜索算法优化支持向量机的方法，原始数据是测试函数Shaffer's F6其特征在于，包括以下步骤：

（1），使用禁忌搜索算法对支持向量机的惩罚因子和核函数参数进行优化；

（2），利用得到的近似最优参数训练得到最优支持向量机模型，并以此为基础对测试函数进行实验，验证支持向量机的分类性能和搜索全局最优解的能力。

2.根据权利要求1所述的基于禁忌搜索算法优化支持向量机的方法，其特征在于，所述的步骤（1）包括以下步骤：

（1.A），给定算法参数，随机产生初始参数c、γ，置禁忌表tab为空，

全局最优记录best_glo，局部最优记录best_loc初始化，置逃逸状态es为0，即非逃逸状态；

（1.B），判断算法终止条件是否满足；若是，则结束算法并输出优化结果；否则，继续以下步骤；

（1.C），计算当前参数取到的次数，据此设定邻域半径jump；

（1.D），记录局部最优记录best_loc连续未更新的步数，如果一定步数之后局部记录仍未更新，认为当前解陷入局部最优，开始逃逸，探索得到逃逸点，加入逃逸候选集es_para,置逃逸状态es为1；

（1.E），判断是否逃逸状态，即es=1,若是，邻域半径jump置为1，参数依次取逃逸候选集中的参数，否则，继续以下步骤；

（1.F），基于邻域半径jump产生其所有邻域解，作为候选解；

（1.G），通过SVM计算得到邻域解对应的分类正确率，将解按照正确率从大到小排序；

（1.H），依次对候选集中的元素做判断：看该参数对应的正确率是否大于局部历史最优记录，如果大于，则替换局部历史最优记录，更新禁忌表，将该解作为下一步搜索的起始点；否则，继续下面步骤；

（1.I），判断该参数是否在禁忌表中，如果不在，加入禁忌表，将该参数作为下一步搜索的起始点；否则，判断下一个解；如果没有得到大于历史最优记录的或者不在禁忌表中的解，将最佳参数作为下一步搜索的起始点；

（1.J），转步骤（1.B）。

3.根据权利要求1所述的基于禁忌搜索算法优化支持向量机的方法，其特征在于，所述的步骤（2）进一步使用禁忌搜索算法优化过的支持向量机模型对待寻优函数和分类样本进行处理，具体分为以下几个部分来实现：

（2.A），基于经典函数的测试，验证所提出算法的全局寻优能力；

Shaffer's F6函数是J.D.Shaffer等提出的，表达式为

f(x,y)=0.5-sin2x2+y2-0.5[1+0.001(x2+y2)]2]]>

其中，自变量的取值范围为,[-100,100]；利用Shaffer's F6函数对提出的禁忌搜索算法进行测试，设定计算步数为100步，参数c∈(-10,10)，，长c_step=0.01，γ∈(-10,10)，步长甲吕乱鞋帜=测试N次；

（2.B），基于数据集的测试：在支持向量机的经典数据集上做实验，并与同类型方法做性能比较。