计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
11期
183-186
,共4页
支持向量机%混沌粒子群%参数优化
支持嚮量機%混沌粒子群%參數優化
지지향량궤%혼돈입자군%삼수우화
研究支持向量机模型优化问题,支持向量机的参数选择决定了其学习性能和泛化能力,由于在参数的选择范围内可选择的数量很多,在多个参数中进和盲目搜索最优参数是需要极大的时间代价,并且很难得到最优参数.常用的支持向量机优化方法有遗传算法、粒子群算法都存在易陷入局部极值,优化效果较差.为解决支持向量机参数寻优问题,提出一种基于混沌粒子群的支持向量机参数选择方法.将混沌理论引入粒子群优化算法中,从而提高种群的多样性和粒子搜索的遍历性,从而有效地提高了PSO算法的收敛速度和精度,得了优化支持向量机模型.并以信用卡案例数据作为研究对象进行了仿真,实验结果表明,混沌粒子群优化的SVM分类器比传统算法优化的SVM分类器的精度高和更高的效率,应用效果好.
研究支持嚮量機模型優化問題,支持嚮量機的參數選擇決定瞭其學習性能和汎化能力,由于在參數的選擇範圍內可選擇的數量很多,在多箇參數中進和盲目搜索最優參數是需要極大的時間代價,併且很難得到最優參數.常用的支持嚮量機優化方法有遺傳算法、粒子群算法都存在易陷入跼部極值,優化效果較差.為解決支持嚮量機參數尋優問題,提齣一種基于混沌粒子群的支持嚮量機參數選擇方法.將混沌理論引入粒子群優化算法中,從而提高種群的多樣性和粒子搜索的遍歷性,從而有效地提高瞭PSO算法的收斂速度和精度,得瞭優化支持嚮量機模型.併以信用卡案例數據作為研究對象進行瞭倣真,實驗結果錶明,混沌粒子群優化的SVM分類器比傳統算法優化的SVM分類器的精度高和更高的效率,應用效果好.
연구지지향량궤모형우화문제,지지향량궤적삼수선택결정료기학습성능화범화능력,유우재삼수적선택범위내가선택적수량흔다,재다개삼수중진화맹목수색최우삼수시수요겁대적시간대개,병차흔난득도최우삼수.상용적지지향량궤우화방법유유전산법、입자군산법도존재역함입국부겁치,우화효과교차.위해결지지향량궤삼수심우문제,제출일충기우혼돈입자군적지지향량궤삼수선택방법.장혼돈이론인입입자군우화산법중,종이제고충군적다양성화입자수색적편력성,종이유효지제고료PSO산법적수렴속도화정도,득료우화지지향량궤모형.병이신용잡안례수거작위연구대상진행료방진,실험결과표명,혼돈입자군우화적SVM분류기비전통산법우화적SVM분류기적정도고화경고적효솔,응용효과호.
