一种用于多分类问题的改进支持向量机

摘要

针对非均衡分布的多类分类问题,为提高支持向量机(SVM)算法的性能,提出了一种改进的SVM算法.将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA SVM),SVM模型采用径向基函数(RBF)作为核函数,利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索,将搜索到的优化结果作为SVM的最终模型参数.在两个不同特性的数据集上进行仿真测试,结果表明,与使用交叉验证策略的简单SVM相比,改进后的GA SVM算法在多类非均衡问题上明显提高了分类正确率,学习速度也有提高.