将微粒群和支持向量机用于耕地驱动因子选择的研究

？结合微粒群算法(pso)具有执行速度快、受问题维数变化影响小的优点及支持向量机算法(svm)结构风险最小化原理,构建了基于离散二进制微粒群(bpso)与支持向量机的耕地驱动力因子选择方法,使用特征子集中确定的特征来训练支持向量回归机,用适应度函数来评价回归机的性能,指导bpso的搜索。实验表明,该方法能有效地提取出耕地驱动因子的特征子集,从而降低了指标的维数,保留了关键信息,以获得知识的最小表达。