收录：
摘要：
基于PSO算法对SVM分类模型的优化方法，属于计算机人工智能技术领域。一方面根据粒子适应度调节惯性权重，从而实现了惯性权重的自适应调整，增加了惯性权重的多样性，更好的平衡PSO算法全局探索能力和局部搜索能力，另一方面，通过利用搜索成功的粒子的位置计算出的阈值作为变异条件，能更好地控制粒子变异的时机，粒子经过变异后，粒子跳出局部最优解的能力得到提升，有利于对支持向量机参数的最优值寻优，以提高SVM算法的分类准确率。通过对SVM分类模型的参数的优化，提高了SVM分类模型分类的准确率，促进SVM分类模型在模式识别、系统控制、生产调度、计算机工程以及电子通信领域更加广泛的应用。
关键词：
通讯作者信息：
电子邮件地址：
