基于GA的ε-支持向量机参数优化研究  

Parameter optimization of ε-Support Vector Machine by genetic algorithm

作　　者：于青[1] 赵辉[2] 

机构地区：[1]天津理工大学计算机科学与技术学院 [2]中国民航大学经济与管理学院,天津300300

出　　处：《计算机工程与应用》2008年第15期139-141,共3页Computer Engineering and Applications

基　　金：天津市科技支撑计划项目(No.08ZCKFGX00800);中国民航大学科研启动基金(No.06qd02x)

摘　　要：ε-支持向量机(ε-Support Vectorreg ression Machine,SVM)是一种非常有前景的学习机器,它的回归算法已经成功应用到解决非线性函数的逼近问题。但ε-SVM参数的选择大多数是依靠经验选取,这不仅依赖于计算者的水平,还不能获得最佳函数逼近效果,很大程度上限制了该算法的发展。提出了基于遗传算法的ε-SVM参数选择方法。将该方法应用于测试函数,表明预测精度高,具有一定的推广意义。The ε-Support Vector regression Machine is a promising artificial intelligence technique,in which the regression algorithm has already been used in solving the nonlinear function approach successfully.Unfortunately,most user select parameters for an SVM by rule of thumb,so they frequently fail to generate the optimal parameters effect for the function.This has restricted effective use of SVM to a great degree.In this paper,the authors use genetic algorithm to solve the SVM parameters optimization problem.Simulation result show that the method has high precision,the method possesses certain practical application significance.

关 键 词：ε-支持向量机 参数优化 遗传算法 预测 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置] TP301.6[自动化与计算机技术—控制科学与工程]