改进的MEA进行特征选择及SVM参数同步优化

特征选择和参数优化是提高支持向量机(SVM)分类性能的两个重要手段,将两者进行同步优化能提高分类器的分类精度。利用思维进化算法(MEA)进行特征选择和SVM参数同步优化能取得较好的分类效果,但也存在着收敛速度慢,易陷入局部最优的问题,无法进一步提高分类精度。针对这一问题,提出了一种改进的思维进化算法进行分类器优化(RMEA-SVM),在传统思维进化算法的基础上引入了"学习"和"反思"机制,利用子群体间信息共享进行学习,通过适应度值的比较进行反思。通过这种方式保证种群的多样性,加快收敛速度,进一步提高分类精度。实验结果证明了算法的有效性。