-
题名改进麻雀搜索算法优化SVM的异常点检测
被引量：7
- 1
-
-
作者
唐宇
代琪
杨梦园
陈丽芳
-
机构
华北理工大学理学院
中国石油大学(北京)自动化系
河北省数据科学与应用重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2023年第2期346-354,共9页
-
基金
国家自然科学基金(52074126)。
-
文摘
支持向量机是检测异常点的常用方法,但其仍然存在难以高效获取最优参数,导致检测效率低、稳定性差的问题。鉴于此,提出一种改进的麻雀搜索算法ISSA,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,利用改进麻雀搜索算法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。仿真实验结果表明,在G-mean和F-measure 2个评价指标上,利用ISSA优化后的支持向量机检测效果明显优于其它3种分类算法,具有更优秀的检测效率、稳定性和泛化能力。
-
关键词
麻雀搜索算法
支持向量机
折射反向学习
可变对数螺线
异常点检测
-
Keywords
sparrow search algorithm
support vector machine
refraction reverse learning
variable logarithmic spiral
outlier detection
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
