基于WOA算法改进libsvm中的SVDD参数设置

简介：
本研究提出了一种利用WOA（鲸鱼优化算法）对LIBSVM中支持向量数据描述(SVDD)模型的参数进行优化的方法，以提高分类性能。 台湾大学林智仁教授等人开发的libsvm工具箱提供了SVDD算法的MATLAB接口，并且其中的关键参数c和g直接影响了SVDD单值分类的结果。该代码通过引入鲸鱼优化算法（WOA）来实现对libsvm中SVDD算法的参数优化，给出两个实例代码：1. libsvm提供的heart_scale数据；2. 工业过程数据。 关于WOA的具体描述可以参考以下文献： Mirjalili S, Lewis A. The whale optimization algorithm[J]. Advances in engineering software, 2016, 95: 51-67. 该算法的提出者已经将代码开源。需要注意的是，此代码中libsvm工具箱中的函数svmtrain和svmpredict分别被重命名为libsvmtrain和libsvmpredict。 另外，WOA和其他群智能优化算法一样容易陷入局部最优解，如果寻优结果出现异常情况，可以尝试多运行几次以获得更好的结果。