支持向量回歸機(jī)參數(shù)優(yōu)化的方法研究.pdf

1、支持向量回歸機(jī)的性能與其參數(shù)的選取有至關(guān)重要的關(guān)系，但至今為止還沒有確定的數(shù)學(xué)理論來指導(dǎo)如何選擇最優(yōu)參數(shù).為了解決參數(shù)選擇問題，先將其轉(zhuǎn)化為組合優(yōu)化問題，然后采用兩種智能算法對其尋優(yōu)求解.
　　針對人工蜂群算法存在的不足，引入權(quán)重函數(shù)、當(dāng)前最優(yōu)食物源和混沌搜索算法對蜂群算法的更新方式與偵察蜂搜索方式予以改進(jìn)，進(jìn)而提出基于改進(jìn)的人工蜂群算法的SVR模型，數(shù)值實(shí)驗(yàn)證明了改進(jìn)算法的有效性和可行性.以短期交通流量為例，將模型的結(jié)果與使用A

2、CO-SVR模型、PSO-SVR模型及ABC-SVR模型得到的結(jié)果對比分析，表明該模型的預(yù)測效果最優(yōu)且運(yùn)行時間最短，具有良好的泛化能力和學(xué)習(xí)能力.
　　針對人工魚群算法后期收斂速度慢且精度不高的缺點(diǎn)，引入人工蜂群算法對其后期搜索加以改進(jìn)得到AFSA-ABC混合算法，將該算法用于SVR的參數(shù)尋優(yōu)，數(shù)值實(shí)驗(yàn)證明該算法處理參數(shù)優(yōu)化問題是切實(shí)可行的.將模型應(yīng)用于上海市GDP的預(yù)測中，結(jié)果表明該模型比已有的相關(guān)預(yù)測模型效果優(yōu)越，為GDP的預(yù)