基于GA和Bootstrap的最小二乘支持向量机参数优选.pdfVIP

维普资讯 第20卷第 12期 系 统 仿 真 学 报@ V01．20N0 12 2008年 6月 JournalofSystem Simulation Jun．2∞ 8 基于GA和Bootstrap的最 --乘支持向量机参数优选 周辉仁 ，郑丕谔 (天津大学 系统工程研究所，天津 300072) 摘 要：支持向量机是一种新型的学习方法，该方法以结构风险最小化原则取代传统机器学习中的 经验风险最小化原则，在小样本的机器学习中显示出了优异的性能。传统的支持向量机是解凸二次 规划问题，而最小二乘支持向量机是解等式线性方程 ，显得尤为方便。针对最小二乘支持向量机的 特点，通过Bootstrap建立适当的性能指标，用遗传算法(GA)优化最小二乘支持向量机的有关参数， 并在非线性经济系统 中应用。用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络 预测的结果比较证明，该模型的预测精确度是令人满意的，丈中提出的方法是可行的。 关键词：最小二乘支持向量机；Bootstrap；遗传算法；参数优化 中图分类号：TP181 文献标识码：A 文章编号：1004—731X(2008)12-3293—04 M ethodforSelectingParameters ofLeastSquaresSupportVectorM achinesBasedonGAandBootstrap ZHOUHui—ren，ZHENG Pi—e (InstituteofSystemsEngineering，TianjinUniversity，Tianjin300072，China) Abstract：SupportVectorM achines (SVM )isbasedonStructuralRiskMinimizationprinciple．SVM hasshownpowerful abilityinlearningwithlimitedsamples．InLeastSquaresSVM (LS—SVM)，aleastsquraescostfunctionisproposedSOasto obtainalinerasetofequationsindualspace．Inordertoselecthyper-praametersofLS—SVM．theperformanceindexCOUldbe builtbyBootstrap，htentheperformanceindexcouldbeoptimizedbygeneticalgorithm rGAJ，atlasthyper-parameters selectionCOUldbeSOlved．Themodelwasthenusedtoforecastnonlinera macroeconomicsystem．ItiSshowntheLS．SVM basedonselectingpraametersbyGAandBootsrtapiSsimpleandeffective． Keywords：leastsquraessupportvectormachines；Bootsrtap；geneticalgorithm；optimizingparameters Bootsrtap建立性能指标并应用遗传算法优化有关参数，最后 引 言