基于加速混沌优化算法的支持向量机参数选择
针对支持向量机参数选择问题,以惩罚系数、不敏感系数和RBF核函数中的宽度系数为优化变量,采用Chebyshev映射代替Logistic映射产生初始混沌序列,改变原有的搜索公式及增加3次载波,提出了一种改进的加速混沌优化算法(ISCOA).将该算法应用于人工数据集和实际数据集中,并与常规的交叉验证法进行比较.试验结果表明:在人工数据集中,采用ISCOA在时间上缩短了至少23.43%,精度上提高了至少6.31%;在实际数据集中,预测值更接近实际值,相对误差均控制在3.13%以下,该算法具有较高的预测精度和寻优效果.
支持向量机、加速混沌优化、参数优化、吞吐量预测
10
U652.14(港口工程)
江苏省自然科学基金基目BK2009722;江苏省高校自然科学研究计划项目09KJD580004;江苏科技大学科研启动基金35010702
2010-08-04(万方平台首次上网日期,不代表论文的发表时间)
122-126