论文部分内容阅读
支持向量机的训练需要求解一个带约束的二次规划问题，但在数据规模很大情况下，经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷，将模拟退火思想引入到混合蛙跳算法中，提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点，同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明，该算法能显著提高收敛速度，并能有效克服局部极值，在SVM训练中具有良好效果。