基于微分进化算法的SVM参数选择

支持向最机(support vector machines，SVM)的性能在很大程度上取决于参数的设置，所以参数选择问题一直是 SVM理论和应用研究中的重点问题．SVM的参数选择本质上是一个优化搜索过程，并且这个优化问题往往是多峰的．微分进化算法(differential evolution，DE)是一种实数编码的基于种群进化的优化算法，具有强劲的全局搜索能力，在多峰蛹数的寻优问题I：已表现出优异的性能．为此，将DE算法用于SVM参数选择，提出了基于DE算法的SVM参数选择方法(DE―SVM)．在标准数据集上的几个仿真实验证明了该方法的有效性．与基于微粒群算法(partical swarm algorithm， PSO)的参数选择方法相比，DE-SVM在复杂问题或多参数的寻优问题上具有更快的寻优速度．