基于PSO的SVR参数优化选择方法研究

摘要：

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sin c函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较.仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力.

关键词：支持向量回归、参数优化选择、粒子群算法、状态预估

所属期刊栏目：18

分类号：TP3(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK2005012

在线出版日期：2006-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2442-2445