来源：期刊VIP网 时间：
作者：韩子萌;王秋萍;王梦娜;
单位：西安理工大学理学院;中国联合网络通信有限公司陕西省分公司;
摘要：支持向量机（SVM）惩罚因子和核参数的选择对分类模型的复杂度和准确性有较大影响，基于此，本文提出一种多策略改进黏菌算法（MESMA）对支持向量机的参数进行优化，以提高模型分类准确率。首先，利用佳点集初始化种群、广义正态分布搜索与自适应比例变异策略对基本的黏菌算法进行改进；其次，选取CEC2017基准测试集，将所提算法MESMA与6种智能算法进行对比，结果表明MESMA具有更好的优化性能；最后，利用MESMA算法对SVM参数进行优化（MESMA-SVM），在UCI数据库中选取4个标准数据集进行分类，并与其它3种模型进行比较，实验结果显示MESMA-SVM模型分类性能更好、准确率更高。
关键词：黏菌算法;;支持向量机;;佳点集;;广义正态分布搜索;;自适应比例变异
基金资助：国家自然科学基金资助项目(61976176)
