基于差分进化算法的支持向量回归机参数优化.pdfVIP

第28卷第6期 计 算 机 仿 真 2011年6月 文章编号：1006—9348(2011)06—0198—04 基于差分进化算法的支持向量回归机参数优化 陈 涛 (陕西理工学院数学系，陕西汉中，723000) 摘要：支持 向量机是结构风险最小化原理的一种新型学习技术，被广泛应用到很多工业控制领域 中，良好的泛化能力和预测 精度在很大程度上受到参数选取的影响。传统参数选择方法易陷人局部最优，为提高优化识别参数的精度和效率，提出基 于差分进化算法的支持向量回归机参数优化算法。以均方误差最小为优化准则，差分进化算法的全局寻优能力，搜索支持 向量回归机的最优参数组合，达到对参数的最优选择。通过Matlab进行仿真实验，结果表明改进的算法不仅加快参数搜索 和优化的速度，而且选择的最优参数能大大提高支持向量机预测精度和泛化能力，并具有 良好的鲁棒性和较强的全局寻优 能力。 关键词：支持向量回归机；差分进化算法；参数优化 中图分类号：TP18 文献标识码 ：A ParametersOptim ization ofSupportVectorRegression BasedonDifferentialEvolution CHEN Tao (ApartmentofMathematics，ShaDaxiUniversityofTechnology，HanzhongShDaxi723000，China) ABSTRACT：Support vectormachineisalearningtechnologybasedonstructurerisk minimizationandhasbeen widelyusedinmanyindustryapplications，thegoodgeneralizationabilityand estimationaccuracyareimpactedby parametersselectionofSVM．Traditionalparameteroptimizationmethodsareeasytofallintolocaloptimum andof lowoptimizingefficiency．ParametersoptimizationofSVMbasedondifferentialevolutionis~resentedtosolvethese problems．Optimalruleistheleastmeadsquareerrorofsamples，andthecombinationofSVM parameters raeopti- mizedbasedondifferentialevolutionalgorithmforglobaloptimizationability．Algorithm resultsarecomparedwiththe otheralgorithmswithMatlab．Thesimulationresultsshow thatthealgorithm canacce|eratethespeedofpraameters searchingandimprovethepredictionaccuracyofSVR．Itisofgoodrobustnessandstrongglobalsearchcapbaility． KEYWORDS：Supportvectorregression(SVR)；Differentialevolution(DE)；Parametersoptimization 选取要求较高，且是一种线性搜索方法，极易陷入局部最优； l 引言 文献