灰狼优化的混合参数多分类孪生支持向量机
【摘要】 孪生支持向量机（TWSVM）是在支持向量机（SVM）的基础上产生的一种高效二分类算法，由于现实中存在的问题大多数是多分类的，将二分类孪生支持向量机扩展到多分类孪生支持向量机（MTWSVM）是非常重要的。目前常用的MTWSVM一般是基于“一对一”策略，但该策略中各子分类器都采用相同的惩罚参数以及核参数，忽略了不同子分类器之间的差异，不能使其发挥最好的作用。通过提出一种基于混合参数的多分类孪生支持向量机（MP-MTWSVM），为不同的子分类器选取合适的参数，保持分类器的多样性，进而根据“一对一”策略构建MTWSVM。TWSVM本就面临着参数难确定的问题，而MP-MTWSVM算法又引入了大量的参数，通过灰狼算法（GWO）对MP-MTWSVM的参数进行寻优，进一步提出了基于灰狼优化的混合参数多分类孪生支持向量机（GWO-MP-MTWSVM）。通过实验表明，GWO可以快速找到各子分类器的最优参数，并进一步提升了算法的准确率。
