火力与指挥控制
火力與指揮控製
화력여지휘공제
FIRE CONTROL & COMMAND CONTROL
2013年
10期
134-137
,共4页
遗传算法%支持向量机%递阶编码%共享函数
遺傳算法%支持嚮量機%遞階編碼%共享函數
유전산법%지지향량궤%체계편마%공향함수
genetic algorithm%Support Vector Machine(SVM)%hierarchical encoding%share function
提出了在确定范围内采用改进遗传算法自动选择支持向量机(SVM)参数的方法.首先,通过分析SVM的参数取值与模型性能的关系,确定各参数的限定范围,然后,分析了遗传算法的不足,通过引入递阶编码、小生境共享和自适应交叉概率等技术对其进行改进,最后,以所确定的范围作为搜索区间,利用改进的遗传算法自动选择SVM参数.实验结果验证了该方法的有效性.
提齣瞭在確定範圍內採用改進遺傳算法自動選擇支持嚮量機(SVM)參數的方法.首先,通過分析SVM的參數取值與模型性能的關繫,確定各參數的限定範圍,然後,分析瞭遺傳算法的不足,通過引入遞階編碼、小生境共享和自適應交扠概率等技術對其進行改進,最後,以所確定的範圍作為搜索區間,利用改進的遺傳算法自動選擇SVM參數.實驗結果驗證瞭該方法的有效性.
제출료재학정범위내채용개진유전산법자동선택지지향량궤(SVM)삼수적방법.수선,통과분석SVM적삼수취치여모형성능적관계,학정각삼수적한정범위,연후,분석료유전산법적불족,통과인입체계편마、소생경공향화자괄응교차개솔등기술대기진행개진,최후,이소학정적범위작위수색구간,이용개진적유전산법자동선택SVM삼수.실험결과험증료해방법적유효성.
