基于改进烟花算法的SVM特征选择和参数优化

沈永良; 宋杰; 万志超

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进烟花算法的SVM特征选择和参数优化

更新时间：2026-09-04

- 基于改进烟花算法的SVM特征选择和参数优化
- Improved Fireworks Algorithm for Support Vector Machine Feature Selection and Parameters Optimization
- 微电子学与计算机 2018年35卷第1期页码：21-25
- 作者机构：
  
  安徽大学计算机科学与技术学院,安徽,合肥,230601
- 作者简介：
- 基金信息：
  
  "十二五"科技部支撑计划项目 2015BAK24B01
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
沈永良, 宋杰, 万志超. 基于改进烟花算法的SVM特征选择和参数优化[J]. 微电子学与计算机, 2018, 35(1): 21-25.

SHEN Yong-liang, SONG Jie, WAN Zhi-chao. Improved Fireworks Algorithm for Support Vector Machine Feature Selection and Parameters Optimization[J]. 2018, 35(1): 21-25.
沈永良, 宋杰, 万志超. 基于改进烟花算法的SVM特征选择和参数优化[J]. 微电子学与计算机, 2018, 35(1): 21-25. DOI：

SHEN Yong-liang, SONG Jie, WAN Zhi-chao. Improved Fireworks Algorithm for Support Vector Machine Feature Selection and Parameters Optimization[J]. 2018, 35(1): 21-25. DOI：

摘要

本文提出了一种改进的基于烟花算法的SVM特征选择和参数优化算法.该算法针对特征选择问题的0-1特性

使用二进制编码的烟花算法

采用基于RBF核函数的SVM

在选取尽可能少的特征数目的同时提高了分类准确率.通过UCI数据仿真

对比结果表明: 该方法避免了过早成熟而陷入局部最优的问题

可有效地找出合适的特征子集及SVM参数

并取得较好的分类效果.

Abstract

In this paper

we propose a Fireworks Algorithm based method to improve the performance of feature selection and parameters optimization in training SVM. For the 0-1 characteristic of feature selection

the binary coding Fireworks Algorithm and RBF kernel function based SVM are used to improve the accuracy of classification with less features. Compared to previous works

the proposed method can avoid being mature and falling into a local value

and it can effectively find the appropriate feature subset and parameters to get better performance of classification in UCI dataset.

关键词

Keywords

references

Uricar M, Timofte R, Rothe R, et al. Structured output svm prediction of apparent age, gender and sm-ile from deep features[C]//Chalearn Looking at Peopleand Faces of the World: Face Analysis Workshop and Challenge. [s. l]. 2016: 730-738.

李婷婷, 姬东鸿. 基于SVM和CRF多特征组合的微博情感分析[J]. 计算机应用研究, 2015, 32(4): 978-981. DOI: 978

Chang C C, Lin C J. LIBSVM: A library for support vector machines[J]. Acm Transactions on Intelligent Systems%Technology, 2011, 2(3): 1-27. DOI: 1

Tan Y, Zhu Y. Fireworks algorithm for optimization[C]//International Conference on Advances in Swarm Intelligence. Berlin, Springer-Verlag, 2010: 355-364.

谭营. 烟花算法引论[M]. 北京: 科学出版社, 2015.

Arsic A, Tuba M, Jordanski M. Fireworks algorithmapplied to wireless sensor networks localization problem[C]//IEEE Congress on Evolutionary Computation. Press. USA, IEEE, 2016: 4038-4044.

Huang C L, Wang C J. A GA based feature selecti-onand parameters optimization for support vector machines. expert systems with applications[J]. Expert Systems with Applications, 2006, 31(2): 231-240. DOI: 231

Misra P R, Si T. Image segmentation using clusteri-ng with fireworks algorithm[C]//Intelligent Systems andControl (ISCO), 2017 11th International Conference on. Bilbao, Spain, IEEE, 2017: 97-102.

张俊才, 张静. 使用粒子群算法进行特征选择及对支持向量机参数的优化[J]. 微电子学与计算机, 2012, 29(7): 138-141. DOI: 138

Hsu C W, Chang C C, Lin C J. A Practical guide to support vector classication[J]. 国立台湾大学资讯工程学系, 2003, 67(5): 58-67. DOI: 58

李小琳, 孙玥, 刘洋. 基于SVM修正的模糊时间序列模型在沪指预测中的应用[J]. 中国科学技术大学学报, 2016, 46(3): 238-246. DOI: 238

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

用于入侵检测特征选择的改进灰狼优化算法

基于缺失特征的高维多标签学习

混沌和柯西变异的蝗虫优化算法及特征选择

布谷鸟搜索算法优化特征和分类器参数的人体行为识别

一种混沌人工鱼群算法对SVM参数的优化及应用