自适应GA-SVM参数选择算法研究

被引：45

作者：

刘胜

李妍妍

机构：

[1] 哈尔滨工程大学自动化学院

来源：

哈尔滨工程大学学报 | 2007年 / 04期

基金：

黑龙江省自然科学基金;

关键词：

机器学习; 支持向量机; 支持向量机回归; 自适应遗传算法; 非线性系统辨识;

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：

支持向量机是一种非常有前景的学习机器,它的回归算法已经成功地用于解决非线性函数的逼近问题.但是,SVM参数的选择大多数是凭经验选取,这种方法依赖于使用者的水平,这样不仅不能获得最佳的函数逼近效果,而且采用人工的方法选择SVM参数比较浪费时间,这在很大程度上限制了它的应用.为了能够自动地获得最佳的SVM参数,提出了基于自适应遗传算法的SVM参数选取方法.该方法根据适应度值自动调整交叉概率和变异概率,减少了遗传算法的收敛时间并且提高了遗传算法的精度,从而确保了SVM参数选择的准确性.将该方法应用于船用锅炉汽包水位系统建模,仿真结果表明由该方法所得的SVM具有较简单的结构和较好的泛化能力,仿真精度高,具有一定的理论推广意义.

引用

页码：398 / 402

页数：5