湖北农业科学
湖北農業科學
호북농업과학
2014年
21期
5315-5319
,共5页
何厅厅%赵艳玲%石娟娟%刘亚萍%王亚云%袁军%马和平
何廳廳%趙豔玲%石娟娟%劉亞萍%王亞雲%袁軍%馬和平
하청청%조염령%석연연%류아평%왕아운%원군%마화평
在线学习支持向量机%粒子群算法%耕地变化预测
在線學習支持嚮量機%粒子群算法%耕地變化預測
재선학습지지향량궤%입자군산법%경지변화예측
online learning SVM%particle swarm optimization%forecast of cultivated land change
以江苏省1996-2009年耕地变化为例,利用粒子群算法(PSO)的全局搜索能力优化标准支持向量机(SVM),并结合增量式最小二乘支持向量机(LSSVR)和逆学习算法的特征,构建粒子群算法-在线学习SVM(PSO-OSVM)耕地变化预测模型,采用该模型对江苏省耕地变化进行预测,以期为土地资源可持续发展提供重要参考依据.结果表明,PSO可以有效收敛SVM内部参数γ和σ达到全局最优解;PSO-OSVM模型的内外精度和总精度均高于GM(1,1)、BP神经网络模型,且优于PSO-SVM模型.说明PSO-OSVM是一种有效的耕地变化预测模型.
以江囌省1996-2009年耕地變化為例,利用粒子群算法(PSO)的全跼搜索能力優化標準支持嚮量機(SVM),併結閤增量式最小二乘支持嚮量機(LSSVR)和逆學習算法的特徵,構建粒子群算法-在線學習SVM(PSO-OSVM)耕地變化預測模型,採用該模型對江囌省耕地變化進行預測,以期為土地資源可持續髮展提供重要參攷依據.結果錶明,PSO可以有效收斂SVM內部參數γ和σ達到全跼最優解;PSO-OSVM模型的內外精度和總精度均高于GM(1,1)、BP神經網絡模型,且優于PSO-SVM模型.說明PSO-OSVM是一種有效的耕地變化預測模型.
이강소성1996-2009년경지변화위례,이용입자군산법(PSO)적전국수색능력우화표준지지향량궤(SVM),병결합증량식최소이승지지향량궤(LSSVR)화역학습산법적특정,구건입자군산법-재선학습SVM(PSO-OSVM)경지변화예측모형,채용해모형대강소성경지변화진행예측,이기위토지자원가지속발전제공중요삼고의거.결과표명,PSO가이유효수렴SVM내부삼수γ화σ체도전국최우해;PSO-OSVM모형적내외정도화총정도균고우GM(1,1)、BP신경망락모형,차우우PSO-SVM모형.설명PSO-OSVM시일충유효적경지변화예측모형.
