基于PSO-SVM算法的空氣質(zhì)量分類研究

打開文本圖片集

摘 要：由于空氣組成成分多、含量波動較大，嚴重影響著分類結(jié)果的準確率，因此為了增加空氣質(zhì)量分類預(yù)測的可靠性，提出了粒子群（Particle Swarm Optimization，PSO）優(yōu)化支持向量機（Support Vector Machin，SVM）算法的分類方法。此方法首先通過迭代尋優(yōu)的方式在全局搜尋最優(yōu)粒子作為支持向量機的運行參數(shù)，之后通過訓(xùn)練集數(shù)據(jù)進行機器學(xué)習(xí)建立了支持向量機多分類模型，最后將測試集的輸入向量導(dǎo)入該模型得到分類結(jié)果。（剩余6875字）