计算机应用研究

作者：何小龙,张刚,陈跃华,杨尚志,

单位：宁波大学海运学院,浙江宁波315211；

关键词：多分类,支持向量机,鲸鱼优化,Lévy飞行,精英反向学习,

基金：国家自然科学基金资助项目(51675286)；浙江省基础公益研究计划资助项目(GN21C190021)；浙江省重点研发项目(2018C02G2070536)；浙江省自然科学基金资助项目(LY20E050006)；；

元启发算法-SVM是多分类评价模型的典型架构，在多分类综合决策判定中具有重要的理论与实践意义，为此提出了一种融合Lévy飞行和精英反向学习的鲸鱼优化算法（Lévy flight and elite opposition-based whale optimization algorithm，LFEO-BWOA）-SVM多分类评价算法。利用Lévy飞行策略替代螺旋轨迹策略更新位置信息，有效克服了鲸鱼优化算法易陷入局部寻优的不足；引入精英反向学习机制增加种群多样性，提高了鲸鱼优化算法全局寻优的能力。实验仿真结果表明，LFEO-BWOA-SVM算法在分类准确率上比传统SVM、BP神经网络分别提高17.84%和4.51%，准确率为98.73%，在训练时间上比标准WOA-SVM和PSO-SVM分别缩短了9.34%和84.94%。实验结果证明，LFEO-BWOA-SVM算法的寻优能力和收敛速度均有明显提升，准确率和快速性良好。

来源：2021年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第12期