1. 研究目的与意义（文献综述）

1.1 研究目的

随着现代计算机科学技术的发展和硬件处理平台的不断完善，信息处理和传递技术得到了长足的发展，计算机的理论及应用也由单纯的处理速度提高向无人化、智能化发展。现代智能技术应用正逐渐兴起，成为当前热门的应用技术。基于支持向量的机器学习是智能计算机技术应用的重要方面，其从当前采集数据出发进行训练，从而对未来或无法观测的数据进行分类和预测。现有的机器学习的方法包括模式识别、神经网络等，是智能技术的重要组成部分。

vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机（support vector machine，简称svm）。支持向量机的提出有很深的理论背景。

2. 研究的基本内容与方案

人工蜂群算法(artificial bee colony, abc)是由karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解。人工蜂群算法属于群智能算法的一种。

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题；

4. 参考文献（12篇以上）

[1]高雷阜, 高晶, 赵世杰. 人工蜂群算法优化svr的预测模型[j].计算机工程与应用, 2016,52(11):55-59.

[2]陈健飞, 蒋刚等.改进abc-svm的参数优化及应用[j].机械设计与制造,2016(1):24-28.