引力搜索算法是自然啟發(fā)算法中流行的一種自適應搜索算法,該算法利用牛頓引力定律尋找最優(yōu)解。引力搜索算法的性能受勘探開發(fā)能力的影響,kbest是控制這一權(quán)衡的參數(shù)之一。提出了一種新的混沌引力搜索算法,利用kbest中的混沌模型來平衡勘探和開發(fā)的非線性關(guān)系。該算法在后續(xù)迭代中收斂速度快、精度高、不陷入局部最優(yōu)。實驗結(jié)果驗證了該算法的有效性,同時介紹了粒子群優(yōu)化的慣性權(quán)重和全局記憶。采用改進的重力搜索算法對SVM參數(shù)進行優(yōu)化,并利用測試函數(shù)和數(shù)據(jù)集進行驗證,結(jié)果顯示在入侵檢測數(shù)據(jù)集,改進算法比原始算法正確率提升約5%;在wine數(shù)據(jù)集,運行時間減少了約16%。實驗結(jié)果表明該優(yōu)化算法在后續(xù)迭代中收斂速度快、精度高、不易陷入局部最優(yōu)。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖3.5部分基準函數(shù)迭代曲線

重慶郵電大學碩士學位論文第3章基于改進引力搜索算法的SVM的參數(shù)優(yōu)化及應用28表3.1基準測試函數(shù)（續(xù)）測試函數(shù)ix范圍91()sin()niiiFxxx[500,500]222101211212222212112122()[1(1)(191431463)][30(23)(183....

圖3.6部分基

重慶郵電大學碩士學位論文第3章基于改進引力搜索算法的SVM的參數(shù)優(yōu)化及應用29CPGSA算法更加穩(wěn)定，因為本身只能尋優(yōu)算法其實還是存在一點不確定性，尤其是對于有多個極小值點的問題，很容易陷入局部最優(yōu)，所以算法能否穩(wěn)定的進行優(yōu)化也是一個值得考慮的問題。為了展示的更清晰，所以坐標軸采....

圖3.11平均準確率對比圖

重慶郵電大學碩士學位論文第3章基于改進引力搜索算法的SVM的參數(shù)優(yōu)化及應用35圖3.10測試集實際分類和預測分類圖圖3.11平均準確率對比圖3.6本章小結(jié)本章首先通過對引力搜索算法流程的詳細研究，發(fā)現(xiàn)了一些可能導致局部優(yōu)化問題的算法步驟，如引力常量的計算、無群體學習性等。本文算法....

本文編號：3981658