基于布谷鸟搜索算法的 SVR 参数选择
SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异。目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高。鉴于布谷鸟搜索算法引入了Lévy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中。网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高。
布谷鸟搜索算法、支持向量回归机、参数选择、网络流量预测
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61142012
2014-12-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-39