论文研究支持向量机算法多目标模型选择 .pdf

为适应支持向量机（SupportVectorMachine，SVM）算法应用过程中的不同性能指标要求，将SVM算法的模型选择问题作为一个多目标优化（Multi-ObjectOptimization，MOO）问题进行处理。以改进的粒子群优化（ParticleSwarmOptimization，PSO）算法对该多目标优化问题进行求解，得到其Pareto解集，在具体应用中根据实际需要从Pareto解集中选择适合的最优解作为支持向量机算法参数，实现支持向量机算法的模型选择。在几个数据集上的仿真实验表明，该方法能够较快地得到Pareto解集，解集中的参数组合能够满足对支持向量机算法速度和泛化能