基于禁忌蝙蝠算法的支持向量機特征選擇和參數優化

劉天健

基于禁忌蝙蝠算法的支持向量機特征選擇和參數優化

劉天健

（廣西大學計算機與電子信息學院，廣西 南寧 530004）

支持向量機是一種有良好發展前景的學習機器。針對支持向量機訓練過程中特征選擇和參數優化的問題，提出一種基于蝙蝠算法和禁忌搜索算法相結合的算法的支持向量機特征選擇和參數優化算法。將禁忌搜索算法理論引入蝙蝠算法中，可以有效提高BA算法的收斂速度和精度，得到更優的支持向量機模型。UCI標準數據集的分類實驗結果表明，與基本的網格搜索，遺傳算法等比較，TSBA算法可以獲得更高的分類準確率和更好的穩定性。

支持向量機；蝙蝠算法；禁忌搜索算法；特征選擇；參數優化

蝙蝠算法（BA）［1］是一種新的群智能優化算法。相對于其他的算法，BA算法在有效性和準確性方面有明顯的提高。但是，蝙蝠算法的優化性能還不是十分完善，存在易陷入局部最優早熟收斂等問題。禁忌搜索算法（TS）作為一種智能搜索算法具有模擬人類智能的記憶機制，已被廣泛應用于各類優化領域并取得了理想的效果。TS通過采用禁忌策略來限制搜索過程陷入局部最優，從而避免迂回搜索。

基于此，本文提出一種新的基于蝙蝠算法和禁忌搜索算法的混合算法TSBA算法。TSBA算法具有結合BA算法和TS算法的優點，使其具有更好的搜索能力，并且可以避免陷入局部最優，加快收斂速度，從而更好的優化SVM分類器。最后以UCI數據庫案例作為本文的實驗數據，對其進行仿真實驗，仿真結果表明，基于禁忌蝙蝠算法優化的SVM比傳統的分類算法有更高的分類精度和穩定性。……