基于改进混沌粒子群的混合核SVM参数优化及应用  

Parameter optimization and application of SVM with mixtures kernels based on improved chaotic particle swarm optimization

作　　者：匡芳君[1,2] 徐蔚鸿[1,3] 张思扬[2] 

机构地区：[1]南京理工大学计算机科学与工程学院,南京210094 [2]湖南安全技术职业学院电气与信息工程系,长沙410151 [3]长沙理工大学计算机与通信工程学院,长沙410114

出　　处：《计算机应用研究》2014年第3期671-674,687,共5页Application Research of Computers

基　　金：湖南省科技计划资助项目(2012SK4046;2012FJ3005;2013FJ4217);湖南省教育厅科研基金资助项目(3C086;12C0983)

摘　　要：针对混合核SVM的多参数优化问题,提出利用改进混沌粒子群(ICPSO)对SVM基本参数(惩罚因子、核参数等)、混合核可调参数进行寻优,以获取最佳参数组合。实验结果表明,该方法能够快速有效地提取最优参数组合,其泛化性能明显提升,拟合效果更好。该方法用于煤与瓦斯突出预测,具有良好的建模效果和更高的预测精度。To the multi-parameter optimization problem of SVM with mixtures kernels, this paper proposed an improved chaotic particle swarm optimization （ICPSO） to find the best combination of the basic parameters （penalty parameter, kernel parameter et. ） and mixtures adjustable kernels parameter of SVM. The experimental results further demonstrate that the proposed method can effectively search the best parameters combination, and has better generalization ability and better regression effect. This method has good modeling and higher prediction accuracy for coal and gas outbursts.

关 键 词：支持向量机 混合核 混沌粒子群优化 参数优化 煤与瓦斯突出 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]