摘要
支持向量机是目前数据挖掘中最常用的分类方法之一,它凭借在解决小样本、高维、非线性的分类问题中所表现的特有优势而得到大家的认可。但由于传统的支持向量机还存在诸多问题,例如核函数的优选,分类精度有待提高等,还需要对支持向量机进行改进以期达到更好的效果。利用粒子群优化算法对传统支持向量机进行核参数和惩罚参数的优化,并且分别利用UCI数据库的数据和某油田真实测井数据进行分类训练和测试,都达到了较为理想的分类效果。
This paper uses the particle swarm optimization algorithm to optimize the kernel parameters and the penalty parameters of the traditional support vector machine,and the data of the UCI database and the real log data of the oil field are used to classify the training and testing.It reaches the ideal classification effect.
出处
《工业控制计算机》
2015年第12期25-26,28,共3页
Industrial Control Computer
关键词
支持向量机(SVM)
粒子群优化(PSO)
参数优化
油层识别
Support vector machine（SVM）
Particle swarm optimization（PSO）
parameter optimization
reservoir identification
