改进的支持向量机算法及其应用

被引：48

作者：

彭光金 ^{[1
]}

司海涛 ^{[1
,2
]}

俞集辉 ^{[1
]}

杨蕴华 ^{[3
]}

李世勉 ^{[3
]}

谭柯 ^{[3
]}

机构：

[1] 重庆大学电气工程学院输配电装备及系统安全与新技术国家重点实验室

[2] 衢州市电力公司

[3] 重庆市电力公司

来源：

计算机工程与应用 | 2011年 / 18期

关键词：

粒子群算法; 支持向量机算法; 变电工程造价;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

支持向量机(SVM)算法应用于具有小样本特征的实际问题时是否能获得到良好的预测效果,取决于能否成功地设置该算法的关键参数,这一瓶颈问题一直阻碍着SVM在具有小样本特性的实际工程中的应用。在分析SVM回归估计方法参数性能的基础上,提出了以自适应粒子群算法(APSO)优化SVM关键参数的改进SVM算法,并以变电工程为背景给出了相应的工程造价预测模型。运用此模型,对某实际变电工程实例进行了造价预测仿真分析,并与传统的支持向量机算法进行比较,结果说明改进的支持向量机算法具有良好的变电工程造价预测精度,且速度较快。

引用

页码：218 / 221

页数：4

共 4 条

[1]

特征提取和小样本学习的电力工程造价预测模型 [J].