基于改进人工鱼群算法的支持向量机预测

被引：11

作者：

田海雷

李洪儒

许葆华

机构：

[1] 军械工程学院导弹工程系

来源：

计算机工程 | 2013年 / 39卷 / 04期

关键词：

支持向量机; 人工鱼群算法; 参数优化; 回归模型; 遗传算法; 粒子群优化;

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：

由于参数的选择范围较大,在多个参数中进行盲目搜索最优参数的时间代价较大,且很难得到最优参数。为此,提出一种基于改进人工鱼群算法(AFSA)的支持向量机(SVM)预测算法。对AFSA进行改进,并使用改进算法优化SVM。实验结果表明,与遗传算法、粒子群优化算法和基本AFSA优化的支持向量机相比,该算法的均方误差降低为2.51×10 3,提高了预测精度。

引用

页码：222 / 225

页数：4

共 11 条

[1]

基于支持向量机的时间序列预测研究.[D].刘运荣.哈尔滨工程大学.2008, 06

[2]

基于支持向量机的水电机组故障诊断研究.[D].邹敏.华中科技大学.2007, 05

[3]

一种新型的智能优化方法-人工鱼群算法.[D].李晓磊.浙江大学.2003, 02

[4] 支持向量机增量学习中模型参数选择问题研究 [J].