论文研究基于PSO算法的变形的SVM算法参数选优及应用 .pdf

基于遗传算法参数优化支持向量机的应用研究，李雅梅，贺西，为提高支持向量机的分类性能，提出了一种小生境遗传算法(NGA)参数优化支持向量机的方法,并将其应用于滚动轴承的故障诊断中。采用NGA

提出一种空间域彩色图像的盲水印方法。该方法首先对YUV彩色空间中图像的亮度分量Y进行4×4分块，按每两个相邻图像块为一组对其分组。然后从挑选的图像块组中利用相邻图像块的亮度均值间的大小关系来实现水印的

支持向量机由于其具备的各种优点在图像分割领域得到越来越广泛的应用。但是作为有监督的分类器，它无法自动获取图像中的类别特征。针对这一问题，提出一种结合模糊聚类技术与支持向量机的纹理分割算法，实现了纹理图

针对标准粒子群优化算法在优化高维复杂函数时易产生早熟收敛的问题，提出一种新的位置变异的PSO算法。为平衡算法的全局和局部搜索能力，新算法按一定概率交替使用随机惯性权重和标准PSO算法的惯性权重；为增强

提出一种基于动态代价敏感参数寻优机制的行人检测算法。该算法引入代价敏感的支持向量机分类算法，通过设置代价敏感参数处理图像中行人与非行人样本数量间的非均衡问题。考虑到代价敏感参数值的选择对检测性能影响很

介绍了粒子群优化算法PSO(Panicle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0~1范围内的连续变量.

为提高网络数据的检测效率，将差分进化算法与支持向量机算法融合（DE-SVM）应用到网络入侵检测中。引入自适应算子优化差分进化算法中的交叉概率CR和摄动比例因子F，采用优化的DE算法对支持向量机的参数进

为了改进粒子群算法在求解矩阵特征值时只能根据矩阵特征值范围逐一求解特征值的现状。提出了一种改进的粒子群算法。改进的粒子群算法采用寻找到一个特征值后，适当改变适应值函数的策略，使搜索区域远离已寻找到的特

针对粒子群算法（PSO）的早熟收敛现象，从种群多样性出发，基于自组织临界性特点改进PSO算法的参数设置，采用自组织的惯性权重和加速系数，并增加了变异算子。借鉴交换子和交换序概念，设计出了能直接在离散域

为了提高图像置乱性能，把具有非周期性、遍历性、伪随机性和对初值的高度敏感性的混沌系统应用到图像置乱中，提出了基于混沌的数字图像置乱算法。为了得到最好的置乱效果，采用混合蛙跳算法来优化置乱算法的参数。通