科研之友
微信
新浪微博
Facebook
分享链接
摘要
支持向量机是异常点检测的常用方法。但是，仍然存在难以快速有效获取最优参数，导致检测效率低、稳定性差的共性问题。鉴于此，提出一种改进的麻雀搜索算法，并将其用于优化支持向量机参数。首先，采用改进折射反向学习和可变对数螺线改进传统麻雀搜索算法；然后，利用改进麻雀算法（Improved Sparrow Search Algorithm，ISSA）对支持向量机参数进行优化；最后，将优化后的支持向量机用于异常点检测领域。仿真实验结果表明，在G-mean值、F-measure值两个评价指标下，提出的改进方法优化后的支持向量机效果明显优于其它三种优化分类算法，具有更优秀的检测效率，稳定性和泛化能力。
- 出版日期2022-10-8
- 单位中国石油大学（北京）; 华北理工大学
