首先產生若干種群（特征子集），然后用PSO 算法對特征及參數進行優化。在UCI 標準數據集上進行的仿真實驗表明，該算法可有效地找出合適的特征子集及LS-SVM 參數，且與基于遺傳算法的最小二乘支持向量機算法（GALS-SVM）和傳統的LS-SVM 算法相比具有較好的分類效果。