改进的萤火虫算法优化双支持向量机参数

作者：顾佳鑫; 贺兴时^*; 杨新社

来源：微电子学与计算机, 2022, 39(11): 11-18.

DOI：10.19304/J.ISSN1000-7180.2022.0230

• 双支持向量机
• 参数选择
• 萤火虫算法
• 动态惯性权重
• 差分进化算法
• 自适应步长

针对原始萤火虫算法(Firefly Algorithm, FA)易陷入局部最优、求解精度低，双支持向量机(Twin Support Vector Machine, TWSVM)参数选择困难的问题，提出基于改进萤火虫算法(DEFA)的双支持向量机模型(DEFA-TWSVM).首先，对原始萤火虫算法进行改进，得到DEFA算法：在萤火虫位置更新公式中结合动态惯性权重，自适应地调整步长控制因子来快速搜索全局和局部最优解，对每次移动后的萤火虫群融入差分进化算法(Differential Evolution, DE)策略，保证种群迭代多样性，通过基准测试函数的仿真结果表明改进后的算法全局寻优能力强，不易陷入局部最优.其次，利用DEFA算法优化TWSVM的参数.最后，在UCI数据集进行测试，得到DEFA-TWSVM和其他模型的分类准确率.通过比较发现：DEFA算法可以在训练过程中自动确定TWSVM参数，解决了TWSVM参数选择盲目的问题，平均分类准确率相较其他模型提高了2到5个百分点.

• 出版日期2022
• 单位西安工程大学