支持向量機(jī)和粒子群算法的研究及應(yīng)用.pdf

1、StudyandApplicationofSupportVectorMachinesandParticleSwarmOptimizationalgorithmADissertationSubmittedtoNanjingUniversityofTechnologyinpartialfulfillmentoftherequirementsforthedegreeof—MasterofEngineeringByFangfangLISuper

2、visor：ProfYingkaiZHAODecember2006摘要’支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新的機(jī)器學(xué)習(xí)方法，通過(guò)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則和核函數(shù)，較好的解決了以往困擾很多傳統(tǒng)學(xué)習(xí)方法的小樣本、非線性、過(guò)學(xué)習(xí)、高維數(shù)和局部極小點(diǎn)等實(shí)際問(wèn)題，具有很強(qiáng)的泛化能力。最小二乘支持向量機(jī)是標(biāo)準(zhǔn)支持向量機(jī)的一種改進(jìn)，通過(guò)非線性映射將原始空間中不等式約束的二次規(guī)劃問(wèn)題轉(zhuǎn)化為特征空間的具有等式約束的線性方程組的求解問(wèn)題，極大的

3、簡(jiǎn)化了計(jì)算，提高了求解問(wèn)題的速度和收斂精度，并保持了傳統(tǒng)支持向量機(jī)的良好性能。粒子群優(yōu)化算法是基于群體智能的全局優(yōu)化技術(shù)，通過(guò)粒子間的相互作用，對(duì)解空間進(jìn)行智能搜索，從而發(fā)現(xiàn)最優(yōu)解。由于粒子群算法采用速度—位移的搜索模式，而且沒(méi)有遺傳算法的選擇交叉操作，因此成為智能優(yōu)化的熱點(diǎn)之一。本文主要以最小二乘支持向量機(jī)為例對(duì)支持向量機(jī)的參數(shù)選擇問(wèn)題進(jìn)行了探討，在試湊法、交叉驗(yàn)證法的基礎(chǔ)上研究了基于貝葉斯理論和基于粒子群的參數(shù)尋優(yōu)算法，并且以品種鋼

4、的力學(xué)性能預(yù)報(bào)為例建立模型，比較了三種算法的優(yōu)劣，初步分析了參數(shù)之間的隱含關(guān)系。，此外，本文還研究了粒子群算法在神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)優(yōu)化中的應(yīng)用，首先利用粒子群算法來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和域值，避免了神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)，接著利用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)建立的模型來(lái)構(gòu)造粒子群算法的適應(yīng)度函數(shù)，對(duì)品種鋼生產(chǎn)的控冷條件和工藝條件進(jìn)行優(yōu)化，取得了很好的效果。最后利用MATLAB的Web技術(shù)及其強(qiáng)大的計(jì)算與繪圖功能、大量可靠的算法庫(kù)開發(fā)了基于B／S模