摘要: 针对样本基数较大、 维数较高、 特征较复杂的数据集训练问题, 将支持向量机与蚁群优化算法相融合, 提出一种自适应多核学习算法. 利用吸引子传播聚类算法自适应地发现相似特征, 并据此利用蚁群算法自适应地选择核函数参数, 从而快速选择最优核函数. 通过UCI数据集的5组数据实验表明, 该算法相比于传统的支持向量机分类准确率和F1值更高, 验证了该算法的有效性和可行性.
中图分类号:
聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
NIE Lusong, CHANG Fangyuan, CHANG Xuezhi, LIU Chang, JIN Youwei, LIU Guosheng, FU Jiasheng, HAN Xiaosong. A Novel Self-adaptive Multiple Kernel Learning Algorithm[J]. Journal of Jilin University Science Edition, 2021, 59(5): 1212-1218.