【出 处】：《 计算机工程与科学 》 CSCD 2012年第34卷第10期 113-117页,共5页

【作 者】： 戴上平 ; 宋永东

【摘 要】 支持向量机（SVM）参数的选择是评价SVM性能的一个很重要的因素。SVM在解决小样本、非线性等问题中起到的效果是很好的。但是，该方法的缺点是在解决大样本数据集时消耗时间长，且易陷入局部最优解。为了降低SVM在这方面的不足，本文提出了遗传算法和粒子群算法相结合（PSOGA）对参数进行优化求解，并将该算法建立的模型应用到实验中。仿真结果说明该方法避免了陷入局部解，提高了收敛速度并缩短了优化时间，是一个很有效的方法。