基于QPSO训练的SVM核函数集成学习研究

• 作 者: 拓守恒
• 机 构: 陕西理工学院计算机系
• 出 处: 系统仿真技术
• 发表日期: 2010年3期
• 关键词: 微粒子群 支持向量机 集成学习 量子行为 聚类 particle swarm optimization support vector machine e

针对训练子集随机性强、规模大、算法时空复杂度高等问题,提出了基于量子微粒群的支持向量机（QPSO-SVM）核函数集成学习算法。该方法首先采用K-Means算法对训练样本进行聚类分析,然后根据其聚类分布选择少量具有代表性的样本,并通过基于量子行为的粒子群算法来训练单个支持向量机（SVM）,最后通过贝叶斯投票方法得到集成的SVM分类学习器。实验表明该方法在非线性高复杂度的数据分类中对分类精度有较大提高。