期刊文献+

基于量子激励的粒子群优化的SVM研究

下载PDF
导出
摘要 本文提出一种基于量子激励粒子群算法优化支持向量机(SVM)训练参数的新方法。该方法在粒子群优化算法中引入量子论思想,提高了粒子搜索的遍历性,从而避免了陷入局部极值,最终得到SVM的最优参数。仿真实验结果表明,本文提出的基于量子激励的粒子群优化的SVM比传统算法优化的SVM的精度高、收敛速度快。
作者 鲍洁 任玉艳
出处 《科技信息》 2011年第14期I0368-I0369,共2页 Science & Technology Information
  • 相关文献

参考文献6

  • 1Vapinkvn.An overview of statistical learning theory [J].IEEE Transactions on Neural Networks, 1999,10(5): 988-999.
  • 2Lou Der-Chyuan, Liu Chiang-Lung, Lin Chin-Lin.Message estimation for universal steg analysis using multi-classification support vector machine[J ].Computer Standards & Interfaces, 2009, 31(2):420-427.
  • 3D E Falco I, D Ella Cioppa A, Taran Tino E.Facing classification problems with particle swarm optimization [J].Applied Soft Computing Journal, 2007, 7(3):652-658.
  • 4S Suresh, P B Sujit, A K Rao.Particle swarm optimization approach for multi-objective composite box-beam design [J].Composite Structures, 2007,81(4): 598-605.
  • 5Anderson Alvarenga de Moura Meneses, Marcelo Domellas Machado, Roberto Schirru.Particle Swarm Optimization applied to the nuclear reload problem of a Pressurized Water Reactor [J].Progress in Nuclear Energy, 2009,51(2): 319-326.
  • 6Sun J, Feng B, Xu W.Particle swarm optimization with particles having quantum behavior [C].In Proc.CEC2004 evolutionary computation congress, 2004(1): 325-331.

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部