首先產(chǎn)生若干種群（特征子集），然后用PSO 算法對特征及參數(shù)進(jìn)行優(yōu)化。在UCI 標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行的仿真實驗表明，該算法可有效地找出合適的特征子集及LS-SVM 參數(shù)，且與基于遺傳算法的最小二乘支持向量機(jī)算法（GALS-SVM）和傳統(tǒng)的LS-SVM 算法相比具有較好的分類效果。