基于黑洞算法的LSSVM的参数优化

被引：9

作者：

王通 ^{[1
]}

高宪文 ^{[1
]}

蒋子健 ^{[2
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 沈阳工业大学电气工程学院

来源：

东北大学学报(自然科学版) | 2014年 / 35卷 / 02期

关键词：

黑洞算法; 最小二乘支持向量机; 参数搜索; 粒子群优化; 二维函数;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.

引用

页码：170 / 174

页数：5

共 10 条

[1] 基于CPSO与LSSVM融合的发酵过程软测量建模 [J].