基于差异演化的ε-SVRM参数优化  

Parameters optimization of ε-support vector regression machine based on differential evolution algorithm

作　　者：王金林[1] 赵辉[2] 

机构地区：[1]天津大学电子信息工程学院,天津300072 [2]中国民航大学经济与管理学院,天津300300

出　　处：《计算机应用》2008年第8期2074-2076,共3页journal of Computer Applications

基　　金：天津市科技支撑计划项目(08ZCKFGX00800);中国民航大学科研启动基金项目(06qd02x)

摘　　要：参数优化是ε-支持向量回归机研究领域的重要问题,其本质是一个优化搜索的过程。基于差异演化算法在求解优化问题上的有效性,提出了以差异演化算法寻优技巧的ε-支持向量回归机参数优化方法。将该算法应用于受噪声影响的标准函数,与采用遗传算法、蚁群算法、粒子群算法对支持向量机进行优化的仿真实验结果对比表明由DE算法所确定的ε-支持向量回归机具有较好的预测性能。Parameters optimization is an important issue in the research of ε-SVRM, and it nature is an optimization selection process. Motivated by the effectiveness of Differential Evolution algorithm on optimization problem, a new automatic searching methodology based on Differential Evolution （DE） algorithm was proposed. Experimental results assess the feasibility of the proposed approach for data sets with several noises and compared with SVRM model optimization method based on Genetic Algorithm（GA）, Ant Colony Optimization（ACO） and Particle Swarm Optimization（POS） demonstrate improvement of generalization performance.

关 键 词：ε-支持向量回归机 参数优化 差异演化 

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]