论文研究-支持向量机算法多目标模型选择 .pdf下载

为适应支持向量机（Support Vector Machine，SVM）算法应用过程中的不同性能指标要求，将SVM算法的模型选择问题作为一个多目标优化（Multi-Object Optimization，MOO）问题进行处理。以改进的粒子群优化（Particle Swarm Optimization，PSO）算法对该多目标优化问题进行求解，得到其Pareto解集，在具体应用中根据实际需要从Pareto解集中选择适合的最优解作为支持向量机算法参数，实现支持向量机算法的模型选择。在几个数据集上的仿真实验表明，该方法能够较快地得到Pareto解集，解集中的参数组合能够满足对支持向量机算法速度和泛化能力的不同要求。