基于粒子群优化算法的支持向量机参数选择及其应用

被引：125

作者：

邵信光

杨慧中

陈刚

机构：

[1] 江南大学控制科学与工程研究中心

来源：

控制理论与应用 | 2006年 / 05期

基金：

国家高技术研究发展计划(863计划);

关键词：

支持向量机; 参数选择; 粒子群优化; 聚丙烯腈; 软测量;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

参数选择是支持向量机(SVM)研究领域的重要问题,它的本质是一个优化搜索过程,考虑到进化算法在求解优化问题上的有效性,提出了以最小化k-fold交叉验证误差为目标．粒子群优化(PSO)算法为寻优技巧的SVM参数调整方法．通过仿真例子验证该方法的有效性后,用其建立了聚丙烯腈生产过程中数均分子量的软测量模型,结果表明该方法有效．

引用

页码：740 / 743+748 +748

页数：5