采取遗传算法优化最小二乘支持向量机参数的方法.pdfVIP

第２６卷第７期　　　 计算机应用与软件 Ｖｏｌ２６Ｎｏ．７ ２００９年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２００９ 采用遗传算法优化最小二乘支持向量机参数的方法 王克奇　杨少春　戴天虹　白雪冰 （东北林业大学机电工程学院　黑龙江哈尔滨 １５００４０） 摘　要　　支持向量机是建立在统计学习理论上的一种学习算法，较好地解决了小样本学习问题。由不同的参数和核函数构造的 支持向量机在性能上存在很大差异，而在参数和核函数的选择上目前还没有明确的理论依据。针对支持向量机的参数选择问题，提 出了一种采用遗传算法优化最小二乘支持向量机参数的方法。结合ＬＳＳＶＭｌａｂ工具箱，在ＭＡＴＬＡＢ实验平台的仿真实验表明，该 方法提高了支持向量机的参数选择效率，得到的参数对测试样本的分类结果是最优的，从而避免了人为设定参数的不足，同时缩短 了优化时间。 关键词　　最小二乘支持向量机　遗传算法　参数选择　ＬＳＳＶＭｌａｂ工具箱 ＭＥＴＨＯＤＯＦＯＰＴＩＭＩＺＩＮＧＰＡＲＡＭＥＴＥＲＯＦＬＥＡＳＴＳＱＵＡＲＥＳＳＵＰＰＯＲＴ ＶＥＣＴＯＲＭＡＣＨＩＮＥＳＢＹＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭ ＷａｎｇＫｅｑｉ　ＹａｎｇＳｈａｏｃｈｕｎ　ＤａｉＴｉａｎｈｏｎｇ　ＢａｉＸｕｅｂｉｎｇ （ＣｏｌｌｅｇｅｏｆＭａｃｈｉｎｅｒｙａｎｄＥｌｅｃｔｒｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ（ＳＶＭ），ａｌｅａｒｎｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｓｔａｔｉｓｔｉｃａｌｌｅａｒｎｉｎｇｔｈｅｏｒｙ（ＳＬＴ），ｃａｎｓｏｌｖｅｓｍａｌｌｓａｍｐｌｅｌｅａｒｎｉｎｇ ｐｒｏｂｌｅｍｓｂｅｔｔｅｒ．ＳＶＭｓｗｉｔｈｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓｏｒｋｅｒｎｅｌｆｕｎｃｔｉｏｎｓｄｉｓｐｌａｙｖｅｒｙｄｉｆｆｅｒｅｎｔｐｅｒｆｏｒｍａｎｃｅｓ，ａｎｄｔｈｅｒｅｉｓｎｔａｍａｎｉｆｅｓｔｔｈｅｏｒｙｓｕｐ  ｐｏｒｔｉｎｇｔｈｅｓｅｌｅｃｔｉｏｎｏｆｔｈｅｍｕｐｔｏｎｏｗ．ＩｎｔｈｉｓｐａｐｅｒａｍｅｔｈｏｄｔｈａｔｏｐｔｉｍｉｓｅｓｔｈｅｐａｒａｍｅｔｅｒｓｏｆＬｅａｓｔＳｑｕａｒｅｓＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ（ＬＳＳ ＶＭ）ｂｙｕｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｉｓｐｒｅｓｅｎｔｅｄ．ＴｈｅｓｉｍｕｌａｔｉｖｅｅｘｐｅｒｉｍｅｎｔｅｘｅｃｕｔｅｄｏｎＭＡＴＬＡＢｅｘｐｅｒｉｍｅｎｔａｌｐｌａｔｆｏｒｍｗｉｔｈＬＳＳＶＭｌａｂｔｏｏｌｂｏｘ ｓｈｏｗｓｔｈａｔｔｈｉｓｍｅｔｈｏｄｇｒｅａｔｌｙｉｍｐｒｏｖｅｓｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆＳＶＭｓｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎ，ａｎｄｗｉｔｈｔｈｅｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｅｄ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ ｆｏｒｔｈｅｔｅｓｔｉｎｇｓａｍｐｌｅｓｉｓｔｈｅｏｐｔｉｍｕｍ．Ｉｔａｖｏｉｄｓｔｈｅｄｉｓａｄｖａｎｔａｇｅｏｆｍａｎｕａｌｌｙｓｐｅｃｉｆｙｉｎｇｔｈｅｐａｒａｍｅｔｅｒｓ，ａｎｄａｌｓｏｓｃａｌｅｓｄｏｗｎｔｈｅｏｐｔｉｍｉｓａｔｉｏｎ ｔｉｍｅ． Ｋｅｙｗｏｒｄｓ　　Ｌｅａｓｔｓｑｕａｒｅｓｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ　Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ　Ｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎ　ＬＳＳＶＭｌａｂｔｏｏｌｂｏｘ 语言的最小二乘支持向量机工具箱（ＬＳＳＶＭｌａｂ），利用遗传算 ０　引　言 法实现了对支持向量机模型的参数优化，并基于一组木材表面