一类支持向量机中引导式量子粒子群优化机理及实现

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理，提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法，根据Zoutendijk最速下行策略确定全局最优gbest的优化方向，计算引导粒子位置；同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置，并以约束平面边界点作为初始化粒子，扩大了搜索范围。实验表明，D-QDPSO算法有较好的收敛性能和泛化性能，其误识率比SMO降低约0.12%，运算速度比LPSO提高2倍左右。