一种基于AFSA的SVM分类方法

应用一种全局搜索方法即人工鱼群算法（artificialfishswarmalgorithm,AFSA）来优化支持向量基（supportvectormachines，SVM）的参数，并应用于图像分类。基于分类，初始化惩罚系数C和核函数参数δ2的范围；利用AFSA来优化SVM的参数，并得到合适的值；最后，把参数优化后的SVM应用于分类。实验结果表明，与C-SVC和交叉验证法相比，其分类结果优于其它两种方法，因此AFSA-SVM方法有更好的准确性和鲁棒性。