针对支持向量机参数难以选择的问题,提出了基于差分进化算法(DE)的参数选择方法,算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点,能够很好的解决SVM的参数选择问题.随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中,并将其与神经网络建模方式所得结果相比较,结果表明经改进的支持向量机的预测性能更加优秀.
参考文献
| [1] | 贺俊光,巩晓阳,周旭东,王顺兴,李俊.神经网络在热镀锌板力学性能预测中的应用[J].钢铁研究,2005(03):31-34. |
| [2] | 林豫柏,罗键.基于支持向量回归的钢材力学性能模型及应用[J].江南大学学报（自然科学版）,2006(04):497-499. |
| [3] | Feng TJ;Ma LT;Ding XQ;Yang N;Xiao XZ .Intelligent techniques for cigarette formula design[J].Mathematics and computers in simulation,2008(5/6):476-486. |
| [4] | Boser B E;Guyon I M;Vapnik V N.A training algorithm for optimal margin classifiers[A].Acm Press,1992:144-152. |
| [5] | Vapnik V N.The Nature of Statistical Learning Theory[M].New York:wiley,1998 |
| [6] | 王群京,鲍晓华,倪有源,李争.基于支持向量机和遗传算法的爪极发电机建模及参数优化[J].电工技术学报,2006(04):57-61. |
| [7] | Storn R;Price K .Differential evolution-a simple and efficient heuristic for global Optimization over continuous spaces[J].Journal of Global Optimization,1997,11(04):341-359. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%