中国水运（理论版）
中國水運（理論版）
중국수운（이론판）
CHINA WATER TRANSPORT
2006年
1期
97-99
,共3页
支持向量机%粒子群算法%参数选择%非线性系统辨识
支持嚮量機%粒子群算法%參數選擇%非線性繫統辨識
지지향량궤%입자군산법%삼수선택%비선성계통변식
支持向量机(Support vector machines),作为一种新兴的学习机器,具有广阔的发展前景,但其性能依赖于参数选择,并且在实际工程中,这个问题一直没有得到较好的解决,在很大的程度上限制了它的应用.本文对粒子群算法(Particle swarm optimizer)进行改进,通过每次迭代过程中,增加粒子个数的方法扩大粒子的搜索范围,防止粒子陷入局部最优.将改进的粒子群算法用于支持向量机参数选择中,并且在非线性系统模型辨识中进行仿真验证,同传统方法相比,在时间和辨识精度上都有了很大的提高,为解决SVM的参数选取问题提供了一条有效的途径.
支持嚮量機(Support vector machines),作為一種新興的學習機器,具有廣闊的髮展前景,但其性能依賴于參數選擇,併且在實際工程中,這箇問題一直沒有得到較好的解決,在很大的程度上限製瞭它的應用.本文對粒子群算法(Particle swarm optimizer)進行改進,通過每次迭代過程中,增加粒子箇數的方法擴大粒子的搜索範圍,防止粒子陷入跼部最優.將改進的粒子群算法用于支持嚮量機參數選擇中,併且在非線性繫統模型辨識中進行倣真驗證,同傳統方法相比,在時間和辨識精度上都有瞭很大的提高,為解決SVM的參數選取問題提供瞭一條有效的途徑.
지지향량궤(Support vector machines),작위일충신흥적학습궤기,구유엄활적발전전경,단기성능의뢰우삼수선택,병차재실제공정중,저개문제일직몰유득도교호적해결,재흔대적정도상한제료타적응용.본문대입자군산법(Particle swarm optimizer)진행개진,통과매차질대과정중,증가입자개수적방법확대입자적수색범위,방지입자함입국부최우.장개진적입자군산법용우지지향량궤삼수선택중,병차재비선성계통모형변식중진행방진험증,동전통방법상비,재시간화변식정도상도유료흔대적제고,위해결SVM적삼수선취문제제공료일조유효적도경.
