通过pso（粒子群算法）优化支持向量机回归模型中的惩罚系数和gamma系数，用于预测鲍鱼的年龄。数据集也在文件中，模型还不够完善，下次改进再发出来，不过能够运行，准确度还是有所提高，只是计算时间稍长，大概2个小时。

粒子群优化SVM系数，matlab源代码，可以使用

准确快速地识别缺陷对于使用涡流（EC）非破坏性测试对在役设备的结构完整性和健康状况进行监控至关重要。 本文介绍了一种新颖的无模型方法，该方法包括三个主要模块：信号预处理模块，分类器模块和优化模块。 在信号预处理模块中，提出了一种两级差分结构，以抑制可能污染EC信号的提离波动。 在分类器模块中，基于一对多策略的多类支持向量机（SVM）具有良好的准确性。 在优化模块中，通过改进的粒子群算法（IPSO）获得分类器的最优参数。 提出的IPSO技术可以通过以下策略提高主PSO的收敛性能：惯性权重的非线性处理，黑洞的引入以及具有极端扰动的模拟退火模型。 通过将其他样本添加到测试集中，已经验证了IPSO-SVM模型的良好泛化能力。 实验表明，该算法比其他著名的分类器具有更高的识别精度和效率，并且训练集少，优点更加明显，有利于在线应用。

粒子群优化SVM python代码

程序可用，自带训练和测试数据集，每个模块是单独编，可读性强，利用率高。

实现matlab下svm 的参数寻优，包括ga, pso等方法。需要的可以看看。

SVM PSO 通过粒群算法择优选择支持向量机的敏感参数

这是pso优化的支持向量机程序，主要用于各种数据的分类

matlab环境下使用PSO算法对SVM多分类器的参数进行优化的案例，代码有详细的注释，另有一篇博客对算法的大致过程有介绍.

粒子群优化SVM的两个参数，利用数据做预测，数据代码都在压缩包里，可以直接运行。