首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 125 毫秒
1.
基于遗传算法的SVM参数选取   总被引:8,自引:0,他引:8  
支持向量机(SVM)是一种非常有前景的学习机器。然而在实际应用中,SVM的参数选取问题一直没有得到很好的解决,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参数,提出了基于遗传算法的SVM参数选取方法。该方法首先通过分析SVM参数对其性能的影响来确定遗传算法的搜索区间,然后在该区间内对搜索的参数进行选取。将该文提出的方法应用于5个由R tsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM具有较优的识别率和较简单的结构,即具有较佳的整体性能。  相似文献   

2.
SVM决策树能够较好地进行Web文本信息分类,在此基础上进一步结合遗传算法,将SVM决策树分类器的分类正确率作为GA适应度函数,对SVM决策树层次结构进行优化,在每一决策节点自动选择最优或近优的分类决策。实验结果表明,采用该方法进行多类分类,分类精度明显提高,体现了将遗传算法与SVM决策树结合的优越性。  相似文献   

3.
一种用于多分类问题的改进支持向量机   总被引:14,自引:3,他引:14  
针对非均衡分布的多类分类问题,为提高支持向量机(SVM)算法的性能,提出了一种改进的SVM算法. 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA-SVM), SVM模型采用径向基函数(RBF)作为核函数,利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索,将搜索到的优化结果作为SVM的最终模型参数. 在两个不同特性的数据集上进行仿真测试,结果表明,与使用交叉验证策略的简单SVM相比,改进后的GA-SVM算法在多类非均衡问题上明显提高了分类正确率,学习速度也有提高.  相似文献   

4.
基于微分进化算法的SVM参数选择   总被引:2,自引:0,他引:2  
支持向量机(support vector machines, SVM)的性能在很大程度上取决于参数的设置, 所以参数选择问题一直是SVM理论和应用研究中的重点问题.SVM的参数选择本质上是一个优化搜索过程, 并且这个优化问题往往是多峰的.微分进化算法(differential evolution, DE)是一种实数编码的基于种群进化的优化算法, 具有强劲的全局搜索能力, 在多峰函数的寻优问题上已表现出优异的性能.为此, 将DE算法用于SVM参数选择, 提出了基于DE算法的SVM参数选择方法(DE-SVM).在标准数据集上的几个仿真实验证明了该方法的有效性.与基于微粒群算法(partical swarm algorithm, PSO)的参数选择方法相比, DE-SVM在复杂问题或多参数的寻优问题上具有更快的寻优速度.  相似文献   

5.
支持向量机(SVM)的推广能力依赖于核函数形式及核参数和惩罚因子的选取,即模型选择.在分析参数对分类器识别精度的影响基础上,提出了基于遗传算法和经验误差最小化的支持向量机参数选择方法.在13个UC I数据集上的实验表明了本文算法的正确性与有效性,且具有良好的推广性能.  相似文献   

6.
针对支持向量机(Support Vector Machine,SVM)研究中的核选择问题,在Amari和Wu提出的保形变换方法的基础上,提出了一种基于高斯分布的SVM核参数选择方法.分析了确定数据分布特征的重要性,给出了判断数据呈高斯分布的方法,探讨了SVM核函数及其参数选择与数据分布的相关性.在Matlab实验环境下,采用两组数据集进行了数值仿真,仿真结果说明了本文所提方法的可行性与有效性.  相似文献   

7.
提出了一种基于小生境遗传算法—最小二乘支持向量机(NGA-LSSVM)的软测量建模方法.充分利用遗传算法强大的全局搜索能力,引入小生境遗传算法对最小二乘支持向量机各个参数(损失函数参数、惩罚因子、核函数及其参数)进行优化选择,将支持向量机参数由人工选取变为自动确定,为解决支持向量机参数自动优化问题提供了一条有效的途径.将所提出的建模方法应用于制浆造纸生产过程白水浓度软测量研究中,研究结果表明:与普通最小二乘支持向量机相比,该建模方法具有更佳的预测精度,能满足造纸生产过程的实际需要.  相似文献   

8.
煤炭需求量预测的支持向量机模型   总被引:9,自引:0,他引:9  
根据选择的嵌入维数,建立了基于支持向量回归的中国煤炭需求量预测模型.用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量;经过与线性核函数及Sigmoid核函数的对比,选用基于径向基函数(RBF)作为校函数,在分析预测误差和模型参数关系的基础上,选择了合适的参数;建立了多输入、单输出的支持向量机(SVM)预测模型.用检验样本与基于RBF神经网络模型的预测进行了比较,结果表明支持向量机模型在训练样本较少的情况下,仍有较高的预测精度和较强的泛化能力,证明了该模型时近期的预测是可靠的.最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量.  相似文献   

9.
针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。  相似文献   

10.
人脸表情识别是目前比较活跃的研究课题。该文提出一种采用多群体遗传算法进化的支持向量机对人脸表情进行分类的新型算法。先提取人脸表情特征,然后采用多群体遗传算法自动选择最优的支持向量机核函数,最后用支持向量机的方法进行分类.在日本JAFFE人脸表情库上进行了仿真实验,并与其他方法进行了比较,该文提出的方法获得了更好的识别效果。  相似文献   

11.
基于支持向量机的短期负荷预测的方法改进   总被引:2,自引:0,他引:2  
在对支持向量机(Support Vector Machines,SVM)方法的参数性能进行分析的基础上,提出了将Grid-search方法引入至基于支持向量机的短期负荷预测算法中,以解决支持向量机方法的参数选择问题。该参数选择方法减少了参数选择的盲目性,提高了SVM的预测精度。通过在East-Slovakia Power Distribution Company提供的电网运行数据上验算,证明了该改进方法的正确性和有效性。  相似文献   

12.
Classification and recognition of hyperspectral remote sensing images is not the same as that of conventional multi-spectral remote sensing images.We propose, a novel feature selection and classification method for hyperspectral images by combining the global optimization ability of particle swarm optimization (PSO) algorithm and the superior classification performance of a support vector machine (SVM).Global optimal search performance of PSO is improved by using a chaotic optimization search technique.Granularity based grid search strategy is used to optimize the SVM model parameters.Parameter optimization and classification of the SVM are addressed using the training date corresponding to the feature subset.A false classification rate is adopted as a fitness function.Tests of feature selection and classification are carried out on a hyperspectral data set.Classification performances are also compared among different feature extraction methods commonly used today.Results indicate that this hybrid method has a higher classification accuracy and can effectively extract optimal bands.A feasible approach is provided for feature selection and classification of hyperspectral image data.  相似文献   

13.
首先介绍了基于统计学习理论的一种新的机器学习技术——支持向量机(Support Vector Machine,SVM),并针对目前支持向量机参数选择时人为选择的盲目性,将具有良好优化性能的混沌优化(Chaos Optimi-zation)技术应用到支持向量机惩罚函数和核函数参数的优化,提出了混沌优化支持向量机(Chaos Optimization Support Vector Machine,COSVM)方法.根据丰满大坝1997-2004年的实际监测数据,建立了混沌优化支持向量机大坝安全监控预测模型,进行了与统计回归模型和BP神经网络模型的分析比较,结果表明,COSVM模型具有更高的预测精度,同时在较长时段的预测中,COSVM模型也表现出更好的泛化推广性能.  相似文献   

14.
一种支持向量机参数选择的改进分布估计算法   总被引:3,自引:3,他引:0  
支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置. 将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distributionalgorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度. 由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷. Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.  相似文献   

15.
基于壳向量的线性支持向量机快速增量学习算法   总被引:7,自引:0,他引:7  
提出了一种新的基于壳向量的增量式支持向量机快速学习算法.在增量学习的过程中,利用训练样本集中的几何信息,在样本中选取一部分最有可能成为支持向量的样本--壳向量,它是支持向量集的一个规模较小的扩展集,将其作为新的训练样本集,再进行支持向量训练.这在很大程度上减少了求取支持向量过程中的二次优化运算时间,使增量学习的训练速度大为提高.与单纯使用支持向量代表样本数据集合进行增量学习的传统算法相比,使用该算法使分类精度得到了提高.针对肝功能检测标准数据集(BUPA)的实验验证了该算法的有效性.  相似文献   

16.
一种基于支持向量机的目标定位方法   总被引:3,自引:0,他引:3  
为了提高声纳在浅水域的性能,提出了一种基于统计学习理论的目标识别器的目标定位方法.该方法选择支持向量机(SVM)作为学习算法的核心.从已知训练样本得到多通道数据的协方差矩阵,将得到的矩阵转化为SVM的输入多维特征向量,并训练SVM而获得权向量.利用此权向量和SVM输出估计,可以得到目标位置信息.理论推导和仿真结果表明,与多重信号分类(MUSIC)算法相比较,该方法具有高的定位精度和快的收敛速度.该方法能有效地对在平面波模型下的目标进行测向,并具有鲁棒性.  相似文献   

17.
SVM算法复杂度与样本维数无关,具有的泛化能力强、分类精度高的特点,而LLE是有效的非线性降维方法,本文利用支持向量机(SVM)算法对局域线性嵌入(LLE)算法进行改进,有效地解决了基于内容的图像检索中的高维特征向量的降维问题,实验表明具有较高的查全率和查准率。  相似文献   

18.
针对现有的支持向量机(SVM)不具有多分辨率学习的特点,提出一种新的小波框架的多尺度支持向量机(SVM)的模糊小波网络(FWN)算法.将小波多尺度学习和模糊推理方法相结合,由于FWN对应着多个模糊规则,而每个模糊规则的后件对应一个小波网络,解决了模糊规则后件难以描述的问题;对高维输入的小波网络的初始参数和网络结构的确定困难问题,用基于正交小波框架的支持向量机代替小波网络的方法,使FWN模型具有更好的泛化性能;为了提高FWN模型的逼近精度,使用梯度下降方法调节FWN参数.仿真结果表明,与传统的模糊神经网络(FNN)相比,该方法能显著地提高分类精度.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号