论文研究基于IGA的支持向量机特征子集选择和参数优化.pdf
特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面，选择合适的特征和合理的训练参数可以提高SVM分类器的性能，以往的研究是将两个问题分别进行解决。随着遗传优化等自然计算技术在人工智能领域的应用，开始出现特征选择及参数的同时优化研究。研究采用免疫遗传算法（IGA）对特征选择及SVM参数的同时优化，提出了一种IGA-SVM算法。实验表明，该方法可找出合适的特征子集及SVM参数，并取得较好的分类效果，证明算法的有效性。
特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面，选择合适的特征和合理的训练参数可以提高SVM分类器的性能，以往的研究是将两个问题分别进行解决。随着遗传优化等自然计算技术在人工智能领域的应用，开始出现特征选择及参数的同时优化研究。研究采用免疫遗传算法（IGA）对特征选择及SVM参数的同时优化，提出了一种IGA-SVM算法。实验表明，该方法可找出合适的特征子集及SVM参数，并取得较好的分类效果，证明算法的有效性。