改进鲸鱼算法寻优支持向量机的眼动数据分类研究

支持向量机在进行不同眼动模式分类任务时受参数影响较大,针对这一问题,本文提出一种基于改进鲸鱼算法优化支持向量机的算法以提升眼动数据分类性能。根据眼动数据特点,本研究先提取注视、眼跳相关的57个特征,再利用近邻相关(ReliefF)算法进行特征筛选。针对鲸鱼算法收敛精度低,易陷入局部最小值等问题,本文引入惯性权重平衡局部搜索和全局搜索,加快算法收敛速度,同时利用差分变异策略增加个体多样性,跳出局部最优。本文对8个测试函数进行实验,结果表明改进鲸鱼算法具有最佳的收敛精度和收敛速度。最后,本文将改进鲸鱼算法优化支持向量机模型应用于自闭症眼动数据分类任务,公开数据集实验结果表明,相较于传统的支持向量机方法,本文方法的眼动数据分类准确率有着较大提升,相较于标准鲸鱼算法和其他优化算法,本文方法优化后的模型具有更高的分类精度,为眼动模式识别提供了新思路与方法。未来或可利用眼动仪获取的眼动数据,结合本文方法辅助医疗诊断。