|
|||||
|
|
| 一种基于PSO的RBF-SVM模型优化新方法 | |
| 作者姓名： | 徐海龙 张宏达 |
| 作者单位： | 空军工程大学导弹学院,陕西,三原,713800;空军工程大学导弹学院,陕西,三原,713800;空军工程大学导弹学院,陕西,三原,713800;空军工程大学导弹学院,陕西,三原,713800;空军工程大学导弹学院,陕西,三原,713800 |
| 基金项目： | 国家自然科学基金项目(60975026);;陕西省自然科学研究计划项目(2007F19) |
| 摘 要： | 针对使用径向基核函数的支持向量机,采用粒子群优化方法实现模型优化.基于训练集中样本之间的最近平均距离和最远平均距离,给出参数σ的取值空间,从而减小了超参数搜索的范围,并采用对数刻度进一步提高粒子群优化方法的参数搜索效率.与遗传算法和网格法的对比实验表明,所提出的方法收敛速度更快,得出的超参数更优. |
| 关 键 词： | 模型优化 支持向量机 粒子群优化 搜索效率 |
| 收稿时间： | 2009-03-24 |
| 修稿时间： | 2009-06-11 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |