基于粒子群算法的支持向量机参数优化方法的研究 |
| |
引用本文: | 陈前平,徐斌.基于粒子群算法的支持向量机参数优化方法的研究[J].中国水运,2006,3(1):97-99. |
| |
作者姓名: | 陈前平 徐斌 |
| |
作者单位: | 陈前平(武汉理工大学自动化学院,430070) |
| |
摘 要: | 支持向量机(Support vector machines),作为一种新兴的学习机器,具有广阔的发展前景,但其性能依赖于参数选择,并且在实际工程中,这个问题一直没有得到较好的解决,在很大的程度上限制了它的应用.本文对粒子群算法(Particle swarm optimizer)进行改进,通过每次迭代过程中,增加粒子个数的方法扩大粒子的搜索范围,防止粒子陷入局部最优.将改进的粒子群算法用于支持向量机参数选择中,并且在非线性系统模型辨识中进行仿真验证,同传统方法相比,在时间和辨识精度上都有了很大的提高,为解决SVM的参数选取问题提供了一条有效的途径.
|
关 键 词: | 支持向量机 粒子群算法 参数选择 非线性系统辨识 |
文章编号: | 1006-7973(2005)1-0097-03 |
修稿时间: | 2005年12月30 |
Based on grain of subgroup algorithm support vector machine parameter optimization method research |
| |
Abstract: | |
| |
Keywords: | |
|
|