一种基于改进的粒子群算法的SVM分类器参数优化方法

摘要

本发明公开了一种基于改进的粒子群算法的SVM分类器参数优化方法，包括：(1)对采集的样本数据进行10重交叉验证，选择影响分类器性能的参数作为待优化参数；(2)初始化分类器和粒子群算法的相关参数，根据所述相关参数更新粒子速度和位置；(3)将分类器的待优化参数设置为粒子当前位置的相应维度值，计算得到粒子当前位置对应的适应度值；(4)根据所述粒子当前位置对应的适应度值得到适应度值评估粒子，更新所述个体最优位置和种群最优位置；该方法构造了基于多项式核函数和高斯核函数的混合核函数，改进了传统的粒子群算法，利用改进的PSO‑SVM算法优化核函数参数，进而提高分类器的综合性能，保障高分类精度的同时也可提高分类器的泛化能力。