贵州省科技计划项目(NY[2010]3078)
- 作品数：2 被引量：9H指数：1
- 相关作者：王喜宾王翰虎张小平孙兴更多>>
- 相关机构：贵州大学贵州省科技情报研究所更多>>
- 发文基金：贵州省科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于支持向量机的农业科技项目分类研究
- 2011年
- 农业科技项目投入是解决"三农问题"的关键途径,而农业科技项目分类是农业科技项目投入的参考依据。支持向量机(SVM)是借助最优化方法解决分类问题的方法,较好地克服了"维数灾难"和"有限样本的学习分类"等问题。通过选择不同的核函数和对应的参数可以构造不同的分类器,参数的选择决定了其学习和泛化能力。为此,提出了粒子群优化(PSO)算法和K-折交叉验证来搜索最优参数,并将其应用到农业科技项目分类中。实验结果表明,该方法搜索到的参数达到了较高的准确率,对农业科技项目分类分析有较大的帮助。
- 王喜宾张小平王翰虎孙兴
- 关键词：支持向量机粒子群优化农业科技项目
- 基于粒子群优化模式搜索的支持向量机参数优化及应用被引量：9
- 2011年
- 针对核函数参数选择的重要性,提出了粒子群(PSO)模式搜索算法来搜索最优参数,该算法结合了PSO算法的全局搜索能力强和模式搜索的局部收敛性好的优点,使PSO模式搜索算法表现出了较高的性能,并将其应用到农业科技项目分类中。实验结果表明,该算法不仅效率高,收敛速度快,而且搜索到的最优参数达到了较高的准确率。
- 王喜宾张小平王翰虎
- 关键词：支持向量机粒子群优化模式搜索
