| 基于PSO优化的SVM预测应用研究* |
| |
| 引用本文： | 任洪娥,霍满冬.基于PSO优化的SVM预测应用研究*[J].计算机应用研究,2009,26(3):867-869. |
| |
| 作者姓名： | 任洪娥 霍满冬 |
| |
| 作者单位： | 东北林业大学,信息与计算机工程学院,哈尔滨,150040 |
| |
| 基金项目： | 国家“948”资助项目（2005-4-62）; 国家“十一五”科技支撑计划课题资助项目（2006BAD18B08） |
| |
| 摘 要： | 支持向量机参数对支持向量机的性能有着重要影响，参数选择问题是支持向量机的重要研究内容。针对此问题，提出一种基于粒子群优化算法的支持向量机参数选择方法。实验结果表明，经粒子群优化算法优化的支持向量机回归模型具有较高的预测精度，粒子群优化算法是选取支持向量机参数的有效方法。
|
| 关 键 词： | 支持向量机 粒子群优化算法 握钉力 预测 |
Support vector machine optimized by particle swarm optimization algorithm for holding nail force forecasting |
| |
| REN Hong-e,HUO Man-dong.Support vector machine optimized by particle swarm optimization algorithm for holding nail force forecasting[J].Application Research of Computers,2009,26(3):867-869. |
| |
| Authors: | REN Hong-e HUO Man-dong |
| |
| Affiliation: | College of Information & Computer Engineering;Northeast Forestry University;Harbin 150040;China |
| |
| Abstract: | In the parameters of support vector machine(SVM) have important effect to SVM performance. The parameters selection is the important research content of the SVM. To this problem, this paper proposed one kind of method to choose the parameters of the SVM by particle swarm optimization algorithm(PSO). The experiment result indicates the SVM regression model optimized by PSO have high forecast accuracy, and PSO is one kind of effective method for SVM parameters choosing. |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
