支持向量机算法在多目标优化中的仿真应用

被引:7
作者
龚乾春
机构
[1] 贵阳学院物理电子科学信息系
关键词
支持向量机; 粒子群算法; 优化; 序列极小化特征;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
针对目前多目标输出SVM回归的算法使用多阈值,其预测效果不理想、运算量大问题,提出采用相同阈值的SVM多目标输出回归的算法,然后对交叉验证提出均匀化均方误差统计方法。首先采用粒子群算法对SVM模型作参数优化,然后用改进的序列极小化特征选择算法优化SVM特征。仿真结果说明粒子群算法对参数优化,均匀化均方误差作为评价准则,效果相对较好,在多目标优化问题中的应用研究具有广泛的应用前景。
引用
收藏
页码:205 / 207
页数:3
相关论文
共 5 条
[1]
基于均匀设计与支持向量回归的发酵配方优化 [J].
袁哲明 ;
左斌 ;
谭泗桥 ;
谭显胜 ;
熊兴耀 .
过程工程学报, 2009, 9 (01) :148-152
[2]
维纳模型的最小二乘支持向量机辨识 [J].
王卓 ;
苑明哲 ;
王宏 .
计算机仿真, 2007, (10) :322-325
[3]
基于加权系数寻优的回归型加权支持向量机 [J].
王浩 ;
王行愚 ;
牛玉刚 .
计算机仿真, 2006, (07) :111-114+145
[4]
基于支持向量机的混沌时间序列非线性预测 [J].
刘涵 ;
刘丁 ;
李琦 .
系统工程理论与实践, 2005, (09) :94-99
[5]
支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,