基于PSO的SVR参数优化选择方法研究

被引：169

作者：

熊伟丽 ^{[1
]}

徐保国 ^{[2
]}

机构：

[1] 江南大学控制科学与工程研究中心

[2] 江南大学通信与控制工程学院

来源：

系统仿真学报 | 2006年 / 09期

关键词：

支持向量回归; 参数优化选择; 粒子群算法; 状态预估;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sinc函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较。仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。

引用

页码：2442 / 2445

页数：4

共 4 条

[1]

支持向量机在机械设备振动信号趋势预测中的应用 [J].