[1]王杰,姜念,张毅..SVM算法的区间自适应PSO优化及其应用[J].郑州大学学报(工学版),2011,32(01):75-79.[doi:10.3969/j.issn.1671-6833.2011.01.019]
点击复制

SVM算法的区间自适应PSO优化及其应用()
分享到:

《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]

卷:
32卷
期数:
2011年01期
页码:
75-79
栏目:
出版日期:
2011-01-10

文章信息/Info

作者:
王杰姜念张毅.
郑州大学电气工程学院,河南郑州,450001, 郑州大学电气工程学院,河南郑州,450001, 郑州大学电气工程学院,河南郑州,450001
关键词:
支持向量机 自适应 粒子群优化算法 入侵检测
DOI:
10.3969/j.issn.1671-6833.2011.01.019
摘要:
核(Kernel)参数选取对支持向量机的推广能力和泛化能力有至关重要的作用,尤其是在对大量数据进行识别分类时,需要占用计算机大量内存,SVM参数优化速度明显缓慢,从而影响了整个系统性能.针对此问题,笔者提出一种区间自适应粒子群算法来优化SVM参数,粒子根据实际情况动态平衡其全局搜索与局部搜索能力,提高了参数优化速度.在入侵检测系统的应用中,与蚁群算法、遗传算法优化SVM参数的结果进行比较.实验证明:此方法分类精度提高约9.7%,响应时间缩短约40.6%~56.5%,具有较大的优势.

相似文献/References:

[1]李蒙蒙,尚志刚,李志辉.结合投影与近邻操作的支持向量快速筛选方法[J].郑州大学学报(工学版),2017,38(03):49.[doi:10.13705/j.issn.1671-6833.2016.06.003]
 Li Mengmeng,Shang Zhigang,Li Zhihui.Fast Method to Filter Support Vectors Combined with Operation of Projection and Nearest Neighbors’ Selection[J].Journal of Zhengzhou University (Engineering Science),2017,38(01):49.[doi:10.13705/j.issn.1671-6833.2016.06.003]
[2]耿亚南,邓计才.基于人工鱼群优化SVM的声磁标签信号检测研究[J].郑州大学学报(工学版),2017,38(04):35.[doi:10.13705/j.issn.1671-6833.2017.04.001]
 Deng Jicai,Geng Yanan.Improved AFSA Optimization of SVM in The Application of Magnetic EAS Acoustic Signal Detection[J].Journal of Zhengzhou University (Engineering Science),2017,38(01):35.[doi:10.13705/j.issn.1671-6833.2017.04.001]
[3]曾庆山,宋庆祥,范明莉.基于光流共生矩阵的人群行为异常检测[J].郑州大学学报(工学版),2018,39(03):29.[doi:10.13705/j.issn.1671-6833.2017.06.032]
 Zeng Qingshan,Song Qingxiang,Fan Mingli.Detection of Human Behavior Anomaly Based on the Optical Flow Co-occurrence Matrix[J].Journal of Zhengzhou University (Engineering Science),2018,39(01):29.[doi:10.13705/j.issn.1671-6833.2017.06.032]
[4]雷文平,吴小龙,陈超宇,等.基于自动编码器和SVM的轴承故障诊断方法[J].郑州大学学报(工学版),2018,39(05):68.[doi:10.13705/j.issn.1671-6833.2018.05.013]
 Lei Wenping,Wu Xiaolong,Chen Chaoyu,et al.The Application of SVM Based on Auto-encoder in Bearing Fault Diagnosis[J].Journal of Zhengzhou University (Engineering Science),2018,39(01):68.[doi:10.13705/j.issn.1671-6833.2018.05.013]
[5]张昭晗,高金峰..参数不确定异结构混沌系统的自适应同步控制[J].郑州大学学报(工学版),2011,32(06):117.[doi:10.3969/j.issn.1671-6833.2011.06.028]
[6]徐敏,袁建洲,刘四新,等.基于改进粒子群优化算法的短期风电功率预测[J].郑州大学学报(工学版),2012,33(06):32.[doi:10.3969/j.issn.1671-6833.2012.06.008]
[7]王杰,陈锴鹏..基于决策函数及PSO优化的SVM预测控制应用研究[J].郑州大学学报(工学版),2013,34(02):53.[doi:10.3969/j.issn.1671-6833.2013.02.014]
[8]于坤杰,杨振宇,乔康加,等.自适应两阶段大规模约束多目标进化算法[J].郑州大学学报(工学版),2023,44(05):1.[doi:10.13705/j.issn.1671-6833.2023.05.006]
 YU Kunjie,YANG Zhenyu,QIAO Kangjia,et al.Adaptive Two-stage Large-scale Constrained Multi-objective Evolutionary Algorithm[J].Journal of Zhengzhou University (Engineering Science),2023,44(01):1.[doi:10.13705/j.issn.1671-6833.2023.05.006]
[9]黄紫娟,涂 娟,代尊翔.基于频率密度的局部离群因子的工频自适应抑制方法[J].郑州大学学报(工学版),2023,44(05):46.[doi:10.13705/j.issn.1671-6833.202.05.015]
 HUANG Zijuan,TU Juan,DAI Zunxiang.Power Frequency Adaptive Suppression Method Based on Local Outlier Factor of Frequency Density[J].Journal of Zhengzhou University (Engineering Science),2023,44(01):46.[doi:10.13705/j.issn.1671-6833.202.05.015]
[10]刘志强,张 晴.自适应时域参数 MPC 的智能车辆轨迹跟踪控制[J].郑州大学学报(工学版),2024,45(01):47.[doi:10.13705/j.issn.1671-6833.2023.04.005]
 LIU Zhiqiang,ZHANG Qing.Intelligent Vehicle Trajectory Tracking Control Based on Adaptive Time Domain Parameter MPC[J].Journal of Zhengzhou University (Engineering Science),2024,45(01):47.[doi:10.13705/j.issn.1671-6833.2023.04.005]

更新日期/Last Update: 1900-01-01