基于布谷鸟搜索算法的 SVR 参数选择

摘要：

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。

关键词：布谷鸟搜索算法、支持向量回归机、参数选择、网络流量预测

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61142012

在线出版日期：2014-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39