基于遗传算法的回归型支持向量机参数选择法

被引：39

作者：

李良敏 ^{[1
]}

温广瑞 ^{[2
]}

王生昌 ^{[3
]}

机构：

[1] 长安大学汽车运输安全保障技术交通行业重点实验室

[2] 西安交通大学机械制造系统工程国家重点实验室

[3] 长安大学汽车学院

来源：

计算机工程与应用 | 2008年 / 07期

关键词：

回归型支持向量机; 遗传算法; 参数选择;

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：

研究了遗传算法在回归型支持向量机参数选择中的应用:首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。

引用

页码：23 / 26

页数：4

共 8 条

[1] SVR在混沌时间序列预测中的应用
孙德山
吴今培
肖健华
[J]. 系统仿真学报, 2004, (03) : 519 - 520+524
[2] 基于支持向量机与RBF神经网络的软测量模型比较研究
冯瑞
宋春林
张艳珠
邵惠鹤
[J]. 上海交通大学学报, 2003, (S2) : 122 - 125
[3] 用于回归估计的支持向量机方法
杜树新
吴铁军
[J]. 系统仿真学报, 2003, (11) : 1580 - 1585+1633
[4] Kyoung-jae Kim.Financial time series forecasting using support vector machines[J].Neurocomputing,2003(1)
[5] U Thissen,R van Brakel,A.P de Weijer,W.J Melssen,L.M.C Buydens.Using support vector machines for time series prediction[J].Chemometrics and Intelligent Laboratory Systems,2003(1)
[6] Choosing Multiple Parameters for Support Vector Machines
Olivier Chapelle
Vladimir Vapnik
Olivier Bousquet
Sayan Mukherjee
[J]. Machine Learning, 2002, 46 : 131 - 159
[7] Application of support vector machines in financial time series forecasting
Tay, FEH
Cao, LJ
[J]. OMEGA-INTERNATIONAL JOURNAL OF MANAGEMENT SCIENCE, 2001, 29 (04): : 309 - 317
[8] Christopher J.C. Burges.A Tutorial on Support Vector Machines for Pattern Recognition[J].Data Min. Knowl. Discov.,1998

← 1 →