[发明专利]一种基于改进的粒子群算法的SVM分类器参数优化方法在审
| 申请号： | 201810500520.7 | 申请日： | 2018-05-23 |
| 公开（公告）号： | CN108875788A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 黄杰;周微 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进的粒子群算法的SVM分类器参数优化方法，包括：(1)对采集的样本数据进行10重交叉验证，选择影响分类器性能的参数作为待优化参数；(2)初始化分类器和粒子群算法的相关参数，根据所述相关参数更新粒子速度和位置；(3)将分类器的待优化参数设置为粒子当前位置的相应维度值，计算得到粒子当前位置对应的适应度值；(4)根据所述粒子当前位置对应的适应度值得到适应度值评估粒子，更新所述个体最优位置和种群最优位置；该方法构造了基于多项式核函数和高斯核函数的混合核函数，改进了传统的粒子群算法，利用改进的PSO‑SVM算法优化核函数参数，进而提高分类器的综合性能，保障高分类精度的同时也可提高分类器的泛化能力。 | ||
| 搜索关键词： | 粒子群算法 分类器 粒子当前位置 适应度 参数优化 相关参数 优化参数 核函数 改进 粒子 多项式核函数 个体最优位置 高斯核函数 交叉验证 样本数据 影响分类 综合性能 最优位置 初始化 传统的 更新 维度 种群 采集 分类 评估 优化 | ||
【主权项】：
1.一种基于改进粒子群算法的SVM分类器参数优化方法，其特征在于利用改进的PSO‑SVM算法优化分类器相关参数。该方法包括以下步骤：(1)对采集的样本数据进行10重交叉验证，从平均分类精度、测试精度和支持向量占比三个指标对比各个参数对分类器性能的影响，选择对分类器性能影响较大的参数作为待优化参数；(2)初始化分类器和粒子群算法的相关参数，根据所述相关参数更新粒子速度和位置；(3)将步骤(1)中选定的待优化参数设置为粒子当前位置的相应维度值，并将所述10重交叉验证实验得到的平均分类精度、测试精度和支持向量占比应用到适应度值公式中，计算得到粒子当前位置对应的适应度值；(4)根据所述粒子当前位置对应的适应度值进行粒子评估，更新所述个体最优位置和种群最优位置；(5)若满足停止条件，则结束寻优，输出最优参数的组合，否则返回步骤(2)继续迭代寻优。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810500520.7/，转载请声明来源钻瓜专利网。
