改进蜣螂算法优化机器学习模型

摘要

针对传统支持向量机(SVM)准确率较低的问题，提出一个LDBO-SVM模型.首先，为解决原始蜣螂优化(DBO)算法初始解分布不均匀的问题，在算法中引入Logistic混沌映射，构建LDBO算法；其次，用LDBO算法优化传统支持向量机内部惩罚因子和核参数，构建LDBO-SVM模型；最后，为验证LDBO-SVM模型的性能，将LDBO-SVM模型与经过其他5种群智能优化算法改进的SVM进行比较.实验结果表明，LDBO-SVM模型准确率达94.53%,可准确预测学生成绩，为教师改善教学计划提供帮助.

关键词

机器学习 / 支持向量机 / 蜣螂优化算法 / 参数优化

基金资助

国家重点研发计划项目(批准号：2023YFD1500404); 吉林省科技发展计划项目(批准号：20250102219JC)