收录：
摘要：
本发明公开了基于混合蝙蝠算法的支持向量机参数选择方法。正则化参数和RBF核参数对SVM的学习性能和计算复杂度有很大的影响。在分析一些经典的参数选择方法优劣的基础上，引入利用智能优化算法对其参数进行优化。鉴于蝙蝠算法具有并行性，收敛速度快，鲁棒性强的优点，本发明首先利用蝙蝠算法对SVM参数进行优化，随后针对蝙蝠算法易早熟的缺点，引入差分进化算法交叉、选择和变异算子，使用蝙蝠个体在每次迭代过程中根据三个算子进一步调整位置，增强算法的搜索能力，避免其过早地陷入局部最优解。最后利用改进的DEBA算法优化SVM参数选择并取得了优异效果。
关键词：
通讯作者信息：
电子邮件地址：
