Indexed by：
Abstract：
参数的选择对支持向量机(SVM)分类精度和泛化能力有至关重要的影响,而群体智能算法近年来在参数优化方面应用广泛,在此背景下提出CSA-SVM模型.该模型将分类准确率作为目标函数,利用乌鸦搜索算法(CSA)求得SVM的最优参数组合.为了验证CSA-SVM模型的分类性能,将该模型应用于 6 个标准分类数据集,并分别与遗传算法(GA)和粒子群(PSO)算法优化后的SVM模型进行性能比较.实验结果表明, CSA算法在SVM参数选择中具有更好地寻优能力和更快地寻优速度,CSA-SVM模型具有较高的分类准确率.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机工程与应用
ISSN： 1002-8331
CN： 11-2127/TP
Year： 2019
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
