论文部分内容阅读
考虑到支持向量机（SVM）在分类模型的建立过程中会遇到的参数设置和特征选择的问题,针对现有算法效率不高、速度不快的问题,在已有优化算法的基础上,提出了一种引入自适应混沌粒子群算法来优化SVM分类器的方法。通过混沌序列和自适应函数来改善粒子群的早熟收敛、易于陷入局部极值的问题,同时调整惯性权重来加快收敛速度。通过仿真实验证明算法可行性,并在脑CT图像分类上得到比较满意的效果。