Indexed by：
Abstract：
本发明公开了基于混合蝙蝠算法的支持向量机参数选择方法。正则化参数和RBF核参数对SVM的学习性能和计算复杂度有很大的影响。在分析一些经典的参数选择方法优劣的基础上，引入利用智能优化算法对其参数进行优化。鉴于蝙蝠算法具有并行性，收敛速度快，鲁棒性强的优点，本发明首先利用蝙蝠算法对SVM参数进行优化，随后针对蝙蝠算法易早熟的缺点，引入差分进化算法交叉、选择和变异算子，使用蝙蝠个体在每次迭代过程中根据三个算子进一步调整位置，增强算法的搜索能力，避免其过早地陷入局部最优解。最后利用改进的DEBA算法优化SVM参数选择并取得了优异效果。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN201711300766.1
Filing Date： 2017-12-10
Publication Date： 2018-06-05
Pub. No.： CN108121999A
Applicants： 北京工业大学
Legal Status： 驳回
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
