發(fā)布時間：2018-02-02 10:09

  本文關(guān)鍵詞： 改進(jìn)的鳥群算法 支持向量機(jī) 參數(shù)選擇 學(xué)習(xí)系數(shù) 仿真　出處：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年12期 　論文類型：期刊論文

【摘要】：為能夠自動地獲得支持向量機(jī)(SVM)中核參數(shù)σ和懲罰系數(shù)C的最佳值,提出以改進(jìn)的鳥群優(yōu)化算法(IBSO)為基礎(chǔ)的SVM參數(shù)選擇方法。IBSO與傳統(tǒng)鳥群算法(BSO)相比,在覓食行為中加入鳥群自我的學(xué)習(xí)系數(shù),對飛行行為中乞食者的位置更新方式進(jìn)行更改。實(shí)例仿真計(jì)算結(jié)果表明,與其它算法相比,該方法可以快速確定SVM中參數(shù)的最優(yōu)值,有效降低了算法的時間復(fù)雜度,提高了算法的全局搜索能力,具有良好的魯棒性。
[Abstract]:In order to automatically obtain the best value of kernel parameter 蟽 and penalty coefficient C in support vector machine (SVM). SVM parameter selection method based on improved bird swarm optimization algorithm (IBSO) is proposed. Compared with the traditional bird swarm algorithm (BSO), the learning coefficient of bird swarm self is added to the feeding behavior. The location updating method of beggars in flight behavior is changed. The simulation results show that compared with other algorithms, this method can quickly determine the optimal value of the parameters in SVM. It reduces the time complexity of the algorithm and improves the global searching ability of the algorithm.
【作者單位】： 沈陽航空航天大學(xué)計(jì)算機(jī)學(xué)院;沈陽航空航天大學(xué)理學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(11371255)
【分類號】：TP18
【正文快照】： 0引言目前,支持向量機(jī)(support vector machines,SVM)[1-3]參數(shù)選擇算法主要有蟻群算法(ant colony optimi-zation,ACO)[4,5]、梯度下降法(gradient descend,GD)、正交法、遺傳算法(genetic algorithm,GA)、粒子群優(yōu)化算法(particle swarm optimization,PSO)[6,7]等。鳥群算法

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳允明,朱清文;高頻等離子炬的設(shè)計(jì)原則與參數(shù)選擇[J];力學(xué)與實(shí)踐;1985年05期

2 劉春波;王鮮芳;潘豐;;基于蟻群優(yōu)化算法的支持向量機(jī)參數(shù)選擇及仿真[J];中南大學(xué)學(xué)報(自然科學(xué)版);2008年06期

3 林連雷;姜守達(dá);劉曉東;;基于微分進(jìn)化算法的SVM參數(shù)選擇[J];哈爾濱工程大學(xué)學(xué)報;2009年02期

4 馮振華;楊潔明;;SVM回歸的參數(shù)選擇探討[J];機(jī)械工程與自動化;2007年03期

5 黃少榮;;蟻群算法的參數(shù)選擇研究[J];電腦知識與技術(shù);2010年20期

6 王永初;魯棒 PID 調(diào)節(jié)系統(tǒng)的參數(shù)選擇[J];工業(yè)儀表與自動化裝置;1999年01期

7 朱習(xí)軍;數(shù)字PID控制器參數(shù)選擇[J];泰安師專學(xué)報;2000年06期

8 王萍;田翔;;SVM分類算法參數(shù)選擇研究[J];牡丹江大學(xué)學(xué)報;2007年11期

9 宋小杉;蔣曉瑜;羅建華;汪熙;;基于結(jié)構(gòu)風(fēng)險上界的SVM參數(shù)選擇[J];科技導(dǎo)報;2011年08期

10 金自翔;戴新宇;陳家駿;;一種基于貪婪算法的KNN參數(shù)選擇策略[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2008年01期

相關(guān)會議論文 前10條

1 廖靜娟;郭華東;邵蕓;王長林;;RICESAT系統(tǒng)參數(shù)選擇[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

2 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機(jī)械故障診斷知識獲取[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

3 陳兆基;楊宏暉;杜方鍵;;用于水下目標(biāo)識別的選擇性SVM集成算法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

4 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

5 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

6 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

7 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

8 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

9 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動化會議論文集[C];2005年

10 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 劉曉峰;面向抗噪語音識別的SVM關(guān)鍵問題研究[D];太原理工大學(xué);2014年

2 張曉雷;支持向量機(jī)若干問題的研究[D];清華大學(xué);2012年

3 郭虎升;支持向量機(jī)的優(yōu)化建模方法研究[D];山西大學(xué);2014年

4 姚毓凱;支持向量機(jī)關(guān)鍵技術(shù)及其在人體活動識別中的應(yīng)用研究[D];蘭州大學(xué);2015年

5 張華美;穿墻雷達(dá)基于支持向量機(jī)的成像算法研究[D];南京郵電大學(xué);2015年

6 王喜賓;基于優(yōu)化支持向量機(jī)的個性化推薦研究[D];重慶大學(xué);2015年

7 夏書銀;基于分類噪聲檢測的支持向量機(jī)算法研究[D];重慶大學(xué);2015年

8 閆辛;半監(jiān)督支持向量機(jī)模型與算法研究[D];上海大學(xué);2016年

9 陳素根;非平行平面支持向量機(jī)及特征提取中若干問題研究[D];江南大學(xué);2016年

10 劉大蓮;大規(guī)模稀疏支持向量機(jī)算法研究[D];北京交通大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張曉丹;WSN中基于改進(jìn)粒子群優(yōu)化算法的分簇拓?fù)渌惴ㄑ芯縖D];鄭州大學(xué);2017年

2 賈yN愷;基于深度特征學(xué)習(xí)的目標(biāo)檢測與跟蹤算法研究[D];西安科技大學(xué);2017年

3 王靜;SVM在參數(shù)選擇上的優(yōu)化[D];蘭州理工大學(xué);2008年

4 楊劉;基于PCA與SVM的地力評價研究[D];中南林業(yè)科技大學(xué);2015年

5 姚磊;基于SVM主動學(xué)習(xí)的音樂分類[D];南京郵電大學(xué);2015年

6 林志杰;基于二叉平衡決策樹的SVM多分類算法的改進(jìn)[D];福州大學(xué);2014年

7 王靜濤;基于SVM的增量式音樂風(fēng)格分類研究[D];南京郵電大學(xué);2016年

8 邵欣蔚;基于SVM+算法的兒童社區(qū)獲得性肺炎早期診斷研究[D];華東師范大學(xué);2017年

9 張永俊;基于SVM的增量入侵檢測方法研究[D];西安科技大學(xué);2013年

10 童設(shè)坤;SVR的參數(shù)選擇及其應(yīng)用[D];江南大學(xué);2009年

，

本文編號：1484266