《表1 仿真实验结果统计：改进粒子群算法优化的SVM在恶性肿瘤诊断中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进粒子群算法优化的SVM在恶性肿瘤诊断中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为比较DPSO与其他优化算法对SVM的核函数参数C和误差惩罚参数σ的优化效果，本实验中分别选取网格搜索法、PSO算法以及标准遗传算法对SVM进行参数优化，并在William Consin数据集上进行测试。算法参数设置如下：GS算法的参数搜寻范围为C∈[0，100]σ∈[0.001，1]，步长分别为0.1和0.001；PSO算法的粒子数S=100，惯性因子ω=0.69，学习因子C1=1.5，C2=1.7，最大飞行速度Vmax=4；GA算法的交叉概率Pc=0.7，变异概率Pm=0.35，种群大小SizePop=100，最大迭代次数MaxGen=100。实验结果如表1所示。