首先产生若干种群（特征子集），然后用PSO 算法对特征及参数进行优化。在UCI 标准数据集上进行的仿真实验表明，该算法可有效地找出合适的特征子集及LS-SVM 参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM 算法相比具有较好的分类效果。