基于粒子群优化算法的支持向量机参数选择及其应用

摘要：

参数选择是支持向量机(SVM)研究领域的重要问题,它的本质是一个优化搜索过程,考虑到进化算法在求解优化问题上的有效性,提出了以最小化κ-fold交叉验证误差为目标,粒子群优化(PSO)算法为寻优技巧的SVM参数调整方法.通过仿真例子验证该方法的有效性后,用其建立了聚丙烯腈生产过程中数均分子量的软测量模型,结果表明该方法有效.

关键词：支持向量机、参数选择、粒子群优化、聚丙烯腈、软测量

所属期刊栏目：23

分类号：TP274(自动化技术及设备)

资助基金：国家高技术研究发展计划863计划2002AA412120

在线出版日期：2006-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：740-743,748