论文部分内容阅读
核函数是影响支持向量机性能的关键，但核函数的选择至今仍缺少系统的理论依据.大规模数据普遍存在于实际问题当中，基于传统核的支持向量机却无法满足此类数据的要求.为增强支持向量机在处理大规模数据时的有效性，构造出一类新核，并针对新核挑选出最适合的参数寻优算法. 基于核构造理论，将Askey-Wilson正交多项式与RBF核简式结合，构造出AW核函数;针对遗传算法不能充分利用反馈信息，人工蜂群算法初始搜索慢的不足，通过先由遗传算法得到“蜜源”再由人工蜂群算法进行寻优的方式，得到G-ABCA融合算法. 实验表明AW核的效果优于常用的单核核函数和正交多项式核函数，G-ABCA与ABCA在AW核上的寻优能力均高于GA，G-ABCA在保证一定精度的条件下更省时，而ABCA更利于取得高精度.利用AW核及G-ABCA(或ABCA)可以构建面向大规模数据的支持向量机模型，进而为大规模数据的分析增添一种更为有效的方式.