尹成峰
- 作品数：1 被引量：24H指数：1
- 供职机构：中国矿业大学（北京）机电与信息工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 改进粒子群算法优化的支持向量机及其应用被引量：24
- 2016年
- 传统粒子群优化（particle swarm optimization,PSO）算法主要包含两方面问题,即易陷入局部极小和后期震荡严重,为此引入混沌序列来初始化粒子群的位置,并在简化的粒子群数学模型上从两个方面对其进行了改进。本文利用改进的PSO算法对支持向量机（support vector machine,SVM）的参数进行优化,仿真实验结果表明：与SVM、PSO-SVM以及遗传算法（genetic algorithm,GA）优化的SVM（GA-SVM）相比,改进PSO优化的SVM（IPSO-SVM）算法具有较高的分类准确率,并且与PSO-SVM算法相比,准确率提高了3%~5%,与PSO-SVM算法以及GA-SVM算法相比,IPSO-SVM的训练和泛化速度都明显提高。本文将IPSO-SVM算法应用到遥感影像的分类中,分类结果表明,与PSO-SVM算法相比IPSO-SVM算法具有更好的分类结果。
- 王振武孙佳骏尹成峰
- 关键词：粒子群优化算法混沌序列支持向量机遥感影像
