%0 Journal Article
%T QPSO算法在训练支持向量机中的应用
%A 山艳
%A 须文波
%A 孙俊
%J 计算机应用
%D 2006
%I 
%X 训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题，为解决大规模的二次规划问题开辟了一条新的途径。
%K 支持向量机
%K 粒子群优化
%K 量子粒子群优化
%K 二次规划
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=6CB64110F7B3E6A7E69DCC18645BB025&yid=37904DC365DD7266&vid=96C778EE049EE47D&iid=708DD6B15D2464E8&sid=E31144666701B795&eid=28B960025A4F05E0&journal_id=1001-9081&journal_name=计算机应用&referenced_num=0&reference_num=0