遗传-烟花混合算法优化的多分类孪生支持向量机OA

多分类孪生支持向量机(MTWSVM)的性能高度依赖其参数选择,参数设置不当会显著削弱其泛化能力和分类准确性。针对这一问题,本文提出了一种基于遗传-烟花混合算法优化的多分类孪生支持向量机(GA-FWA-MTWSVM)。该方法融合遗传算法(GA)强大的全局搜索能力和烟花算法(FWA)高效的局部探索优势,对MTWSVM的惩罚参数和高斯核参数进行优化调整。GA通过锦标赛选择与算术交叉机制维持种群多样性,有效拓展了搜索空间,增强了全局探索能力;FWA模拟烟花爆炸过程中火花的扩散特性,依据个体适应度动态分配火花数量与爆炸幅度,在优质解邻域内实现精细化搜索,提升了局部探索能力。在8个UCI标准数据集上的实验结果表明,本文提出的GA-FWA-MTWSVM算法相比SVM算法,分类准确率得到了不同程度提升。