本文關(guān)鍵詞：改進(jìn)ABC-SVM的參數(shù)優(yōu)化及應(yīng)用

  更多相關(guān)文章： 鉚接件 支持向量機(jī) 人工蜂群算法 參數(shù)優(yōu)化 算法改進(jìn)

【摘要】：支持向量機(jī)算法(SVM)的回歸預(yù)測(cè)性能在很大程度上取決于模型參數(shù)的選擇,提出一種基于改進(jìn)人工蜂群算法的SVM參數(shù)優(yōu)化方法并將其應(yīng)用于鉚接件鉚接力的回歸預(yù)測(cè)。針對(duì)ABC算法存在難以有效確定參數(shù)搜索范圍的問(wèn)題,基于支持向量機(jī)的漸近性能確定了ABC算法搜索SVM參數(shù)的"好區(qū)",再引入線性核函數(shù)進(jìn)一步縮小搜索范圍,有效地幫助了ABC算法更快搜索到全局最優(yōu)參數(shù)。在此基礎(chǔ)上建立改進(jìn)的人工蜂群支持向量機(jī)(I-ABC-SVM)模型,將其應(yīng)用于鉚接力的回歸預(yù)測(cè)。最后,采用仿真對(duì)比實(shí)驗(yàn)測(cè)試模型性能。仿真實(shí)驗(yàn)結(jié)果表明,相對(duì)于參比模型,I-ABC-SVM不僅表現(xiàn)出很強(qiáng)的泛化能力和較快地搜索速度,而且能夠很好地解決SVM參數(shù)優(yōu)化和ABC算法初始化參數(shù)設(shè)置的難題,同時(shí)保證了很好的預(yù)測(cè)性能。
【作者單位】： 西南科技大學(xué)制造科學(xué)與工程學(xué)院;西南科技大學(xué)制造過(guò)程測(cè)試技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 鉚接件 支持向量機(jī) 人工蜂群算法 參數(shù)優(yōu)化 算法改進(jìn)
【基金】：國(guó)家自然科學(xué)基金中國(guó)工程物理研究院聯(lián)合基金(11176027) 國(guó)家重大科學(xué)儀器設(shè)備開(kāi)發(fā)專項(xiàng)(2012YQ130226) 西南科技大學(xué)研究生創(chuàng)新基金資助項(xiàng)目(14ycxjj0118)
【分類號(hào)】：TG938;TP18
【正文快照】： 1引言鉚接工藝簡(jiǎn)便、成本低廉,是一種重要的聯(lián)接方式[1],廣泛應(yīng)用于飛機(jī)、導(dǎo)彈等武器裝備中。然而機(jī)體在長(zhǎng)期貯存中,其鉚接件會(huì)受到大氣腐蝕影響,鉚接力逐漸減小[2],承載載荷性能下降直至失效,導(dǎo)致機(jī)體剩余壽命減少,影響使用安全。因此,采用支持向量機(jī)(Support Vector Machine

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 郭雷;肖懷鐵;付強(qiáng);;非均衡數(shù)據(jù)目標(biāo)識(shí)別中SVM模型多參數(shù)優(yōu)化選擇方法[J];紅外與毫米波學(xué)報(bào);2009年02期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 程熙;沈占鋒;駱劍承;沈金祥;胡曉東;朱長(zhǎng)明;;利用地物波譜學(xué)習(xí)的遙感影像波段模擬方法[J];紅外與毫米波學(xué)報(bào);2010年01期

2 郭晏;宋愛(ài)國(guó);包加桐;崔建偉;章華濤;;基于差分進(jìn)化支持向量機(jī)的移動(dòng)機(jī)器人可通過(guò)度預(yù)測(cè)[J];機(jī)器人;2011年03期

3 張銀雪;田學(xué)民;曹玉蘋(píng);;改進(jìn)搜索策略的人工蜂群算法[J];計(jì)算機(jī)應(yīng)用;2012年12期

4 高相銘;陳永超;;基于物聯(lián)網(wǎng)的分布式電動(dòng)機(jī)故障診斷與保護(hù)系統(tǒng)研究[J];工礦自動(dòng)化;2013年06期

5 呂剛;陳立;;小波變換和支持向量機(jī)相融合的ECG身份識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年24期

6 謝偉軍;韓飛;張東;汪閩;崔丹丹;呂林;朱瑞;;面向?qū)ο蟮暮Ｓ蚴褂脤ｎ}信息遙感提取關(guān)鍵技術(shù)研究[J];海洋環(huán)境科學(xué);2014年02期

7 許愛(ài)軍;;改進(jìn)ABC算法優(yōu)化LSSVM的網(wǎng)絡(luò)流量預(yù)測(cè)模型[J];計(jì)算機(jī)應(yīng)用與軟件;2015年01期

8 李偉;南新元;;基于改進(jìn)ABC的LSSVM氧化還原電位預(yù)測(cè)研究[J];計(jì)算機(jī)測(cè)量與控制;2014年12期

9 李t熋，

本文編號(hào)：819514