%0 Journal Article
%T 基于粒子群算法的UniversumSVM参数选择
%J 北京工业大学学报
%D 2013
%X 分类器的模型参数对分类结果有直接影响.针对引入无关样本的UniversumSVM算法中模型参数选择问题,采用粒子群优化(particleswarmoptimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.
%K UniversumSVM
%K 参数选择
%K 粒子群算法
%U http://www.bjgd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=83FEA391-0E21-4003-8EDC-DD2332AA275A