一种基于禁忌搜索算法优化支持向量机的方法

摘要

本发明涉及在应用支持向量机解决具体问题时，首先考虑核函数的选取及参数的选择。虽然目前关于核函数在理论研究和应用上取得了一定的成果，但尚未形成指导支持向量机参数选取的理论。本发明利用禁忌搜索算法对基于径向基核函数的支持向量机进行参数优化。对经典的禁忌搜索算法进行了扩展，邻域生成采用八网格法，并且能够自动调整。在不损失精度的情况下对算法的收敛速度进行了改善，并通过在局部最优处对周围的放射性探索，找到周围所有的局部最优解，从而实现尽可能的全局最优。对算法分别用测试函数和标准数据集进行了测试，结果表明改进过的算法能够有效地找到全局最优解，使得SVM有较高的分类正确率。

主权项

一种基于禁忌搜索算法优化支持向量机的方法，原始数据是测试函数Shaffer's F6其特征在于，包括以下步骤：（1），使用禁忌搜索算法对支持向量机的惩罚因子和核函数参数进行优化；（2），利用得到的近似最优参数训练得到最优支持向量机模型，并以此为基础对测试函数进行实验，验证支持向量机的分类性能和搜索全局最优解的能力。