改进的布谷鸟搜索算法对支持向量机参数优化
作者:顾佳鑫; 贺兴时; 刘青
更新时间:
针对支持向量机(SVM)中惩罚因子和核函数参数选择困难的问题,提出了一种改进的布谷鸟搜索算法(GFCS)优化SVM参数模型(GFCs-SVM)。GFCS算法从三个方面改进了原有布谷鸟搜索算法的优化能力:用动态发现概率代替固定发现概率,自适应调整莱维在布谷鸟飞行的阶跃控制因子,以及改进布谷鸟随机游走更新公式中的动态惯性权重。GFCS算法用于优化SVM的惩罚因子和核函数参数,并在UCI数据集上进行了测试。与传统的SVM、粒子群算法优化的SVM、萤火虫优化的SVM和布谷鸟搜索算法优化的SVM相比,GFCsSVM具有最高的分类精度,是一种有效的SVM参数优化算法。