發(fā)布時間：2023-11-27 19:25

　　支持向量機(jī)在小樣本數(shù)據(jù)分類中具有獨特的優(yōu)勢,參數(shù)的選擇對支持向量機(jī)的分類精度和泛化能力有著重要的影響,針對當(dāng)前支持向量機(jī)參數(shù)優(yōu)化方法的不足,本文提出了基于改進(jìn)人工蜂群算法的支持向量機(jī)優(yōu)化模型。人工蜂群算法是Karaboga由蜜蜂采蜜行為得到啟發(fā)而提出的一種優(yōu)化算法。作為一種群智能算法,人工蜂群算法通過不同類型蜜蜂之間,的協(xié)作,蜜源信息的收集和共享來尋找優(yōu)化問題的最優(yōu)解。由于人工蜂群算法的解搜索方程局部搜索能力較弱,算法收斂速度較慢,易陷入局部最優(yōu),本文受反向?qū)W習(xí)思想的啟發(fā),提出了一種基于反向?qū)W習(xí)的人工蜂群算法。該算法首先利用反向?qū)W習(xí)對種群進(jìn)行初始化,從而提高初始解的質(zhì)量,其次為保證算法迭代過程中種群的多樣性,將反向?qū)W習(xí)的思想應(yīng)用到雇傭蜂階段,當(dāng)新產(chǎn)生的解的質(zhì)量低于當(dāng)前解的質(zhì)量時,產(chǎn)生其反向解,并應(yīng)用貪婪選擇策略進(jìn)行更新,進(jìn)一步提高算法的全局搜索能力。同時針對人工蜂群算法前期勘探和后期開采能力不平衡的問題,采用自適應(yīng)權(quán)重策略動態(tài)調(diào)整權(quán)重,平衡算法的全局和局部搜索能力。在基準(zhǔn)測試函數(shù)上驗證所提出算法的性能,實驗結(jié)果表明相比于傳統(tǒng)的人工蜂群算法和其他經(jīng)典的改進(jìn)算法,基于反向?qū)W習(xí)的人工蜂群算法...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人工蜂群算法研究現(xiàn)狀
        1.2.2 支持向量機(jī)研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論概述
    2.1 人工蜂群算法
        2.1.1 蜜蜂采蜜原理
        2.1.2 人工蜂群算法的基本思想
        2.1.3 人工蜂群算法的流程
    2.2 支持向量機(jī)
        2.2.1 支持向量機(jī)基本原理
        2.2.2 核函數(shù)
        2.2.3 支持向量機(jī)分類
    2.3 本章小結(jié)
第三章 基于反向?qū)W習(xí)的人工蜂群算法
    3.1 反向?qū)W習(xí)策略
    3.2 基于反向?qū)W習(xí)的人工蜂群算法
        3.2.1 種群初始化
        3.2.2 改進(jìn)的搜索策略
        3.2.3 自適應(yīng)權(quán)重策略
    3.3 算法流程設(shè)計
    3.4 本章小結(jié)
第四章 基于改進(jìn)人工蜂群算法的支持向量機(jī)模型
    4.1 支持向量機(jī)參數(shù)選擇方法
        4.1.1 交叉驗證法
        4.1.2 網(wǎng)格搜索法
        4.1.3 遺傳算法
    4.2 基于人工蜂群算法的支持向量機(jī)優(yōu)化模型
        4.2.1 待優(yōu)化參數(shù)分析
        4.2.2 適應(yīng)度函數(shù)的設(shè)計
    4.3 算法流程設(shè)計
    4.4 本章小結(jié)
第五章 數(shù)值仿真實驗
    5.1 基于反向?qū)W習(xí)的人工蜂群算法實驗
        5.1.1 測試函數(shù)
        5.1.2 實驗參數(shù)設(shè)置
        5.1.3 改進(jìn)策略的有效性驗證
        5.1.4 與其他改進(jìn)算法的比較
    5.2 基于改進(jìn)人工蜂群算法的支持向量機(jī)分類實驗
        5.2.1 實驗數(shù)據(jù)集
        5.2.2 實驗參數(shù)設(shè)置
        5.2.3 實驗結(jié)果與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號：3868424