论文部分内容阅读
针对支持向量机决策算法(SVMDT)存在误差累积的缺陷,需要用优化算法来优化树结构以防止误差累积,常用的粒子群算法(PSO)往往存在陷入局部最优的问题。基于此,本文提出一种基于模拟退火的粒子群优化支持向量机决策树算法,该方法既保证了粒子群算法的全局寻优能力,又能避免防止陷入局部最优的缺陷。通过仿真实验与一些传统优化算法相比较后发现,该方法将分类精度有了一定的提高。