基于蜜蜂算法的支持向量机特征选择和参数优化.pdfVIP

第 l1期 组 合 机 床 与 自动 化 加 工 技 术 NO．11 2013年 11月 ModularM achineTool AutomaticM anufacturingTechnique NOV．2013 文章编号 ：lOOt一2265(2013)11—0041一o3 基于蜜蜂算法的支持向量机特征选择和参数优化术 陈 渊 ，马宏伟 (西安科技大学 a．理学院；b．机械工程学院，西安 710054) 摘要 ：针对支持向量机训练过程 中特征选择和参数优化的问题 ，提 出了一种基于蜜蜂算法的支持 向 量机特征选择和参数优化算法，并将其应用于焊接缺陷的 自动分类。该算法采用分类正确率作为适 应度 ，利用蜜蜂算法对支持 向量机的模型参数进行优化 ，并 同时选择最佳 的特征子集。UCI标准数 据集和焊接缺陷的分类实验结果表 明，与常规支持 向量机相 比，蜜蜂算法优化的支持 向量机能够克 服局部最优解 ，获得 了更高的分类正确率。因此，论文算法对于焊接缺陷的分类是有效可行的。 关键词：支持 向量机 ；蜜蜂算法；特征选择 ；参数优化 中图分类号 ：TH16；TG659 文献标识码 ：A FeatureSelection andParam eterOptim izationofSupportVectorM achineBasedon theBeesAlgorithm CHEN Yuan ，MA Hong．wei (a．CollegeofScience；b．CollegeofMechanicalEngineering，Xi’anUniversityofScienceandTechnolo— gy，Xi’an710054，China) Abstract：Aimingattheproblem offeature selectionandparameteroptimizationofsupportvectorma— chine(SVM)inthetrainingprocedure，anovelapproachbasedonthebeesalgorithm (BA)forfeature selectionandparameteroptim izationofSVM isproposedandappliedtoautomaticclassificationofweld— ingflaws．Inthismethod，theclassification accuracyratewastaken asthefitnessvalue，andBA was simultaneouslyusedto optimizetheSVM parameterswhilediscoveringtheoptimalsubsetoffeaturesThe experimentalresultsofrUCIstandarddatasetsandweldingflaw datasetshow thatcomparedwithnormal SVM ，theproposedapproachcanovercomethelocaloptimalsolutionproblem ，andachieveshigherclas— sification accuracy．Therefore，theproposed approach isvaluableforclassification ofwelding flaws． Keywords：supportvectormachine；thebeesalgorithm ；featureselection；parameteroptimization 过模拟 自然界 中蜜蜂 的觅食行为寻找 问题 的最优 0 引言 解。由于其原理简单、并行性 、鲁棒性强且可避免陷 支持向量机是在统计学习理论基础上发展起来 入局部最优 ，已经成功应