江南大学学报（自然科学版）
江南大學學報（自然科學版）
강남대학학보（자연과학판）
JOURNAL OF SOUTHERN YANGTZE UNIVERSITY（NATURAL SCIENCE EDITION）
2014年
4期
383-386
,共4页
Lozi映射%PSO算法%加权最小二乘支持向量机%参数优化
Lozi映射%PSO算法%加權最小二乘支持嚮量機%參數優化
Lozi영사%PSO산법%가권최소이승지지향량궤%삼수우화
Lozi map%PSO algorithm%WLS-SVM%parameter optimization
加权最小二乘支持向量机(WLS-SVM)的学习性能和泛化能力取决于其正则化因子C和核函数参数σ的取值.对此,针对WLS-SVM建立C和σ的组合优化目标函数,采用基于Lozi映射的粒子群(PSO)算法来搜索最优目标函数值.迭代过程中,通过分别映射PSO个体最优位置,把产生的混沌序列中的最优解分别逆运算取代当前个体最优位置,引入混沌机制,以混沌变量的遍历性改进粒子群算法,提高全局搜索能力,避免过早陷入局部最优.将其应用于某玩具企业原料月消耗量预测,结果表明了文中所提方法的有效性.
加權最小二乘支持嚮量機(WLS-SVM)的學習性能和汎化能力取決于其正則化因子C和覈函數參數σ的取值.對此,針對WLS-SVM建立C和σ的組閤優化目標函數,採用基于Lozi映射的粒子群(PSO)算法來搜索最優目標函數值.迭代過程中,通過分彆映射PSO箇體最優位置,把產生的混沌序列中的最優解分彆逆運算取代噹前箇體最優位置,引入混沌機製,以混沌變量的遍歷性改進粒子群算法,提高全跼搜索能力,避免過早陷入跼部最優.將其應用于某玩具企業原料月消耗量預測,結果錶明瞭文中所提方法的有效性.
가권최소이승지지향량궤(WLS-SVM)적학습성능화범화능력취결우기정칙화인자C화핵함수삼수σ적취치.대차,침대WLS-SVM건립C화σ적조합우화목표함수,채용기우Lozi영사적입자군(PSO)산법래수색최우목표함수치.질대과정중,통과분별영사PSO개체최우위치,파산생적혼돈서렬중적최우해분별역운산취대당전개체최우위치,인입혼돈궤제,이혼돈변량적편력성개진입자군산법,제고전국수색능력,피면과조함입국부최우.장기응용우모완구기업원료월소모량예측,결과표명료문중소제방법적유효성.
