基于改進(jìn)蟻群算法的支持向量機(jī)研究及應(yīng)用.pdf

1、支持向量機(jī)存在較為理想的數(shù)據(jù)分類能力，但因其最優(yōu)參數(shù)值的不同影響著最終的分類效果，因此本文提出了基于改進(jìn)蟻群算法的支持向量機(jī)研究及應(yīng)用，讓分類準(zhǔn)確率和收斂速度得到提高。首先，本文介紹了支持向量機(jī)的相關(guān)原理和概念，具體分析了懲罰因子和核參數(shù)對支持向量機(jī)分類的影響。接著介紹了基本蟻群算法的原理，針對蟻群算法的缺陷提出相應(yīng)改進(jìn)，最后運(yùn)用到支持向量機(jī)參數(shù)尋優(yōu)中，并與其他幾種算法進(jìn)行比較，在對比中表明改進(jìn)算法具有更好的分類準(zhǔn)確率和收斂速度。本文的

2、創(chuàng)新點(diǎn)如下:
　　1.交換規(guī)則和局部搜索。蟻群算法自身的搜索規(guī)則是根據(jù)信息素的含量來進(jìn)行的，信息素越多的路徑，相對應(yīng)的螞蟻選擇其越多。本文采用雙種群進(jìn)行改進(jìn)，在信息素濃度相差較大時(shí)，實(shí)現(xiàn)交換規(guī)則，避免信息素過多產(chǎn)生早熟和停滯問題。在交換規(guī)則中，當(dāng)兩個(gè)種群中任何一個(gè)產(chǎn)生局部最優(yōu)值時(shí)可以跳出，從而讓整個(gè)算法實(shí)現(xiàn)全局最優(yōu)值。除此之外，本文在兩個(gè)種群中進(jìn)行局部搜索規(guī)則的改進(jìn)，根據(jù)SVM的誤差模型來定義新的局部搜索規(guī)則，決定最后進(jìn)行的是全局

3、搜索還是局部搜索。
　　2.信息素公式的更新。信息素只有不斷更新才會(huì)讓算法不斷迭代，產(chǎn)生全局最優(yōu)解。本文設(shè)計(jì)了新的更新公式，讓更新的信息素指導(dǎo)螞蟻尋找最優(yōu)值。再結(jié)合局部搜索和交換規(guī)則，提高了算法搜索的效率。
　　3.改進(jìn)算法與支持向量機(jī)結(jié)合。將改進(jìn)的算法用于支持向量機(jī)中，實(shí)現(xiàn)參數(shù)尋優(yōu)，從而提高數(shù)據(jù)的分類準(zhǔn)確度和收斂速度。
　　本文實(shí)驗(yàn)采用的是UCI的多個(gè)數(shù)據(jù)集，再具體運(yùn)用于個(gè)人信用評級的應(yīng)用中，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法