%0 Journal Article
%T 采用粒子群优化的SVM算法在数据分类中的应用
%A 姚若河
%A 邹心遥
%A 陈敬伟
%J 华侨大学学报(自然科学版)
%D 2016
%R 10.11830/ISSN.1000-5013.2016.02.0171
%X 针对分类数据集合线性不可分的问题,改进了支持向量机(SVM)的分类方法,构建新的分类决策函数和高斯核函数.在支持向量机关键参数的优化环节,采用粒子群算法对惩罚参数和高斯参数进行优化,设计便于操作的优化流程,并针对Iris数据集合展开实验研究.结果表明:相比于基于遗传算法优化的SVM方法,所提出的方法执行速度快、分类准确率高.
%K 数据分类
%K 支持向量机
%K 粒子群优化
%K Iris数据集
%K 惩罚参数
%K 高斯参数
%U http://www.hdxb.hqu.edu.cn/oa/DArticle.aspx?type=view&id=201602010