基于CPSO的混合核函数SVM参数优化及应用  

Parameter Optimization and Application of SVM with mixture kernels Based on CPSO

作　　者：潘丰[1] 毛志亮[1] 

机构地区：[1]江南大学通信与控制工程学院,江苏无锡214122

出　　处：《控制工程》2011年第2期267-269,274,共4页Control Engineering of China

基　　金：国家863计划项目(2006AA020301)

摘　　要：支持向量机(SVM)建模的拟合精度和泛化能力取决于相关参数的选取,目前SVM中的参数的寻优一般只针对惩罚系数和核参数,而混合核函数的引入,使SVM增加了一个可调参数。针对混合核函数SVM的多参数选择问题,提出利用具有较强全局搜索能力的混沌粒子群(CPSO)优化算法对混合核函数SVM建模过程中的重要参数进行优化调整,每一组粒子的位置向量对应一组混合核函数SVM建模的参数。该算法采用同时对3个参数寻优的策略,由早熟收敛的判断和处理两部分组成,可实现对混合核函数SVM参数的优化求解。给出了应用该方法的具体步骤,通过仿真实验验证该了算法的有效性;该方法用于谷氨酸发酵过程的建模研究,取得了较高的建模精度。The parameters optimization problem to get the good regression accuracy and generalization performance of the support vector machine （SVM） is discussed. With the introduction of mixed kernels, SVM has one more adjustable parameter besides penalty and kernel parameter. To the multi-parameter selection problem of SVM with mixture kernels, a method is put forward by using chaotic particle swarm optimization which has better global search ability. Each particle indicates a group of the SVM parameters. The algorithm includes judging and handling the local convergence by adopted a strategy to optimize the three parameters synchronously. It realizes a optimal parameter selection of SVM. The simulated experiment shows the effectiveness of the algorithm. The method is applied to the research of modeling the Glutamic acid fermentation process with higher accuracy.

关 键 词：建模 混合核函数 支持向量机 粒子群优化 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]