改进的MEA进行特征选择及SVM参数同步优化

来源：计算机工程与应用杂志2017年第8期北京时间：

作者：丁 胜1，2，3，张 进2，3，李 波2

单位：1.武汉大学 电子信息学院，武汉 430080 ；2.武汉科技大学 计算机科学与技术学院，武汉 430065；3.武汉科技大学 智能媒体计算湖北省重点实验室，武汉 430065

摘要：特征选择和参数优化是提高支持向量机（SVM）分类性能的两个重要手段，将两者进行同步优化能提高分类器的分类精度。利用思维进化算法（MEA）进行特征选择和SVM参数同步优化能取得较好的分类效果，但也存在着收敛速度慢，易陷入局部最优的问题，无法进一步提高分类精度。针对这一问题，提出了一种改进的思维进化算法进行分类器优化（RMEA-SVM），在传统思维进化算法的基础上引入了“学习”和“反思”机制，利用子群体间信息共享进行学习，通过适应度值的比较进行反思。通过这种方式保证种群的多样性，加快收敛速度，进一步提高分类精度。实验结果证明了算法的有效性。

关键词：支持向量机,特征选择,参数优化,思维进化算法,学习,反思