引力搜索算法是自然啟發(fā)算法中流行的一種自適應(yīng)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(kāi)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(lái)平衡勘探和開(kāi)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(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性,同時(shí)介紹了粒子群優(yōu)化的慣性權(quán)重和全局記憶。采用改進(jìn)的重力搜索算法對(duì)SVM參數(shù)進(jìn)行優(yōu)化,并利用測(cè)試函數(shù)和數(shù)據(jù)集進(jìn)行驗(yàn)證,結(jié)果顯示在入侵檢測(cè)數(shù)據(jù)集,改進(jìn)算法比原始算法正確率提升約5%;在wine數(shù)據(jù)集,運(yùn)行時(shí)間減少了約16%。實(shí)驗(yàn)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(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖3.5部分基準(zhǔn)函數(shù)迭代曲線

重慶郵電大學(xué)碩士學(xué)位論文第3章基于改進(jìn)引力搜索算法的SVM的參數(shù)優(yōu)化及應(yīng)用28表3.1基準(zhǔn)測(cè)試函數(shù)（續(xù)）測(cè)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(xué)碩士學(xué)位論文第3章基于改進(jìn)引力搜索算法的SVM的參數(shù)優(yōu)化及應(yīng)用29CPGSA算法更加穩(wěn)定，因?yàn)楸旧碇荒軐?yōu)算法其實(shí)還是存在一點(diǎn)不確定性，尤其是對(duì)于有多個(gè)極小值點(diǎn)的問(wèn)題，很容易陷入局部最優(yōu)，所以算法能否穩(wěn)定的進(jìn)行優(yōu)化也是一個(gè)值得考慮的問(wèn)題。為了展示的更清晰，所以坐標(biāo)軸采....

圖3.11平均準(zhǔn)確率對(duì)比圖

重慶郵電大學(xué)碩士學(xué)位論文第3章基于改進(jìn)引力搜索算法的SVM的參數(shù)優(yōu)化及應(yīng)用35圖3.10測(cè)試集實(shí)際分類和預(yù)測(cè)分類圖圖3.11平均準(zhǔn)確率對(duì)比圖3.6本章小結(jié)本章首先通過(guò)對(duì)引力搜索算法流程的詳細(xì)研究，發(fā)現(xiàn)了一些可能導(dǎo)致局部?jī)?yōu)化問(wèn)題的算法步驟，如引力常量的計(jì)算、無(wú)群體學(xué)習(xí)性等。本文算法....

本文編號(hào)：3981658