改进蜣螂算法优化机器学习模型

来源：吉林大学学报·理学版杂志2025年第4期北京时间：

作者：费敏学, 黄东岩, 郭晓新

单位：1. 吉林农业大学 工程技术学院, 长春 130118; 2. 吉林大学 计算机科学与技术学院, 长春 130012; 3. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012

摘要：针对传统支持向量机(SVM)准确率较低的问题, 提出一个LDBO-SVM模型. 首先, 为解决原始蜣螂优化(DBO)算法初始解分布不均匀的问题, 在算法中引入Logistic混沌映射, 构建LDBO算法； 其次, 用LDBO算法优化传统支持向量机内部惩罚因子和核参数, 构建LDBO-SVM模型； 最后, 为验证LDBO-SVM模型的性能, 将LDBO-SVM模型与经过其他5种群智能优化算法改进的SVM进行比较. 实验结果表明, LDBO-SVM模型准确率达94.53%, 可准确预测学生成绩, 为教师改善教学计划提供帮助.

关键词：机器学习,支持向量机,蜣螂优化算法,参数优化