收藏本站
《华中师范大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机参数优化研究

李娇  
【摘要】:支持向量机广泛地应用于分类和回归问题,其参数的选择对分类和回归的效果有较大的影响,目前还没有确定的理论指导参数的选择。而遗传算法是模拟自然界中的遗传和进化现象而形成的一种自适应全局搜索算法,粒子群算法是基于群体智能的启发式全局搜索算法,遗传算法和粒子群算法都是广泛运用的智能优化算法,本文分别利用遗传算法和粒子群算法研究支持向量机参数的选择问题,避免实际应用中因参数选择不当导致实验效果不理想,本文主要工作如下: (1)研究利用遗传算法来优化ε支持向量回归机的惩罚参数C,径向基核函数参数σ以及损失函数参数ε,并进行仿真实验,并与以往只是优化ε支持向量回归机的惩罚参数C,径向基核函数参数σ两个参数做比较,前者提高了回归预测的精度。 (2)研究利用粒子群算法来优化ε支持向量回归机的惩罚参数C,径向基核函数参数σ以及损失函数ε,并进行仿真实验。仿真实验采取同一样本集:UCI的混凝土抗压强度,仿真实验结果显示基于遗传算法的参数优化算法比基于粒子群的参数优化取得了更好的预测效果,而基于粒子群的参数优化算法能够较快地收敛。并与传统的非启发式的网格搜索寻优算法进行比较,利用遗传算法和粒子群算法寻优显著地提高了预测的精度。 支持向量机参数的选择对实际应用有重大的影响,仿真实验显示选择参数优化算法对回归预测的精度有了显著的提高,所以针对具体的实际问题,应考虑多种方法选择合适的支持向量机参数进而提高推广能力。
【学位授予单位】:华中师范大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TP18

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 丛瑞雪;;基于多分类支持向量机的评估模型研究[J];数学的实践与认识;2017年01期
2 严晓明;郑之;;基于混合仿生算法的SVM参数优化[J];广西师范大学学报(自然科学版);2011年02期
3 袁玉萍;胡亮;周志坚;;基于遗传算法对支持向量机模型中参数优化[J];计算机工程与设计;2008年19期
4 张俊才;张静;;使用粒子群算法进行特征选择及对支持向量机参数的优化[J];微电子学与计算机;2012年07期
5 陆梓端;高茂庭;;基于改进遗传算法的支持向量机参数优化[J];现代计算机(专业版);2014年09期
6 崔君荣;苑薇薇;;利用智能算法优化支持向量机参数[J];河北科技师范学院学报;2017年01期
7 贾凤亭;宋政良;;一种新的基于SVM参数优化的算法[J];数学的实践与认识;2014年01期
8 李振友;朱书华;周华闯;李刚;童明波;;基于遗传算法的鸟体本构参数优化研究[J];航空计算技术;2017年01期
9 毛灵;陈兴蜀;吴仲光;谭骏;杜敏;;基于优化SVM的P2P协议识别[J];计算机应用研究;2011年07期
10 李昆仑;张炘;廖频;;基于遗传算法的支持向量机参数优化研究[J];电脑知识与技术;2018年09期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
2 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
3 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
4 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
5 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
6 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
7 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
8 杨颖;朱立东;;利用增量支持向量机高效识别卫星干扰信号的方法[A];第十五届卫星通信学术年会论文集[C];2019年
9 郭荣;;基于几种参数优化的支持量机在径流预报中的比较分析[A];云南省水利学会2013年度学术交流会论文集[C];2013年
10 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
中国重要报纸全文数据库 前10条
1 郭勉愈 编译;遗传算法:让发明自动“进化”[N];科学时报;2011年
2 上海科学院规划研究处 刘小玲;上海能否成为人工智能城市[N];解放日报;2017年
3 记者 常丽君;科学家首次将遗传算法用于量子模拟[N];科技日报;2016年
4 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
5 吕征;物理仿真实验探究一例[N];中国电脑教育报;2004年
6 湖南 张政军 钱丽霞;基于OPC技术的单缸自动往返plc控制仿真实验[N];电子报;2013年
7 湖南 张政军;单缸自动往返plc控制仿真实验[N];电子报;2013年
8 高志年 许谦 闻传花;用仿真实验推演未来战争[N];解放军报;2012年
9 广州 路石;E系列高速恢复二极管主要参数与代换型号[N];电子报;2006年
10 本报记者 张铭贤 通讯员 柴国强 娄立新;想修改参数就自动报警[N];中国环境报;2019年
中国博士学位论文全文数据库 前10条
1 邓燕;基于粗糙集—支持向量机的油气储层参数预测方法研究[D];中国地质大学(北京);2013年
2 鞠鲁峰;基于支持向量机建模的永磁球形电机的优化设计研究[D];合肥工业大学;2015年
3 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
4 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
5 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
6 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
7 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
8 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
9 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
10 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
中国硕士学位论文全文数据库 前10条
1 李娇;支持向量机参数优化研究[D];华中师范大学;2011年
2 杨海燕;支持向量机参数优化方法及其应用[D];广西民族大学;2010年
3 王佳;混合核支持向量机参数优化及其应用研究[D];长沙理工大学;2011年
4 张楠;关于支持向量机中的参数优化的研究[D];西北大学;2008年
5 高凯;基于支持向量机的煤自燃预测方法研究[D];西安科技大学;2012年
6 张淑娟;基于支持向量机的税收预测模型研究[D];广东工业大学;2017年
7 李飞;基于改进粒子群算法的支持向量机参数优化[D];河北工业大学;2015年
8 张瑾;基于优化支持向量机的煤与瓦斯突出预测研究[D];辽宁工程技术大学;2015年
9 吕勇波;基于支持向量机与遗传算法的结构优化研究[D];华中科技大学;2007年
10 齐霖;基于支持向量机回归的短时交通流预测与系统实现[D];东北大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026