基于PSO-SVM算法的空氣質(zhì)量分類(lèi)研究

打開(kāi)文本圖片集

摘 要：由于空氣組成成分多、含量波動(dòng)較大，嚴(yán)重影響著分類(lèi)結(jié)果的準(zhǔn)確率，因此為了增加空氣質(zhì)量分類(lèi)預(yù)測(cè)的可靠性，提出了粒子群（Particle Swarm Optimization，PSO）優(yōu)化支持向量機(jī)（Support Vector Machin，SVM）算法的分類(lèi)方法。此方法首先通過(guò)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(jī)的運(yùn)行參數(shù)，之后通過(guò)訓(xùn)練集數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)建立了支持向量機(jī)多分類(lèi)模型，最后將測(cè)試集的輸入向量導(dǎo)入該模型得到分類(lèi)結(jié)果。（剩余6875字）