论文部分内容阅读
为了提高支持向量机(SVM)参数选择和特征选择的效率,提出了一种基于微分进化(DE)算法的SVM参数与特征同步选择方法(DE-SVM)。在编码方式上将DE的个体分为参数维和特征维,参数维直接用于优化选择参数,特征维经过"取整二进制变换"后选择相应特征。在几个UCI标准数据集上的仿真试验证明了该方法的有效性,与基于微粒群算法的参数与特征同步选择方法(PSO-SVM)相比,DE-SVM具有更高的寻优效率和特征选择能力。