基于改进遗传算法的支持向量机参数优化方法.pdfVIP

计 算 机 与 现 代 化 2015年第3期 JISUANJIYUXIANDAIHUA 总第 235期 文章编号：1006-2475 2015 03-0033-04 基于改进遗传算法的支持向量机参数优化方法 王琼瑶 ，何友全 ，彭小玲 1．重庆交通大学管理学院，重庆 400074；2．重庆交通大学信息科学与工程学院，重庆 400074 摘要：针对支持 向量机算法在回归预测时由于参数选取不当导致过学习或欠学习的情况，提 出一种基于改进遗传算法的 支持向量机参数优化模型。该模型将遗传算法与支持 向量机结合，利用遗传算法进化搜索的原理对支持向量机具有重 要意义的惩罚参数、核参数和损失函数 同时优化。实验选取3组标准数据集作为测试数据集，并将改进算法同时与遗传 算法、网格寻址算法、粒子群算法进行仿真测试结果对比。实验结果表明改进的算法较大地提高了支持向量机算法整体 的寻优 能力。 关键词：遗传算法；支持向量机算法；参数优化 中图分类号：TP301 文献标识码：A doi：10．3969／j．issn．1006-2475．2015．03．007 ParametersOptimizationofSupportVectorM achineBasedon ImprovedGeneticAlgorithm WANGQiong—yao，HEYou．quan，PENGXiao．1ing 1．SchoolofManagement，ChongqingJiaotongUniversity，Chongqing400074，China； 2．SchoolofInformationScienceandEngineering，ChongqingJiaotongUniversity，Chongqing400074，China Abstract：Over—studyorunder—studyphenomenonsometimeshappens，sincenuclearparameters arechoseninappropriatelyinre— gressionforecasting．Thepaperproposesakindofsupportvectormachineparametersoptimizationmodelbasedonimprovedge。 neticalgorithm．Bycombininggeneticalgorithm Withsupportvectormachinealgorithm，themodelmakesuseoftheprincipleof evolutionaryofgeneticalgorithm tooptimizepenaltyparameter，nuclera parameterandlossfunctionatthesametime，whichare ofgreatsignificancetosupportvectormachinealgorithm．Threesetsofstandardexperimentdatasetsraeselectedasthetestdata set，andsimulationtestresultsraecomparedamongtheimprovedalgorithm ，geneticalgorithm，particleswarm optimizationalgo— rithm and dsearchalgorithm．Experimentresuhsshow thattheimprovedalgorithm rgeatlyimprovesthewholeoptimizationabil— ityofsupportvectormachinealgorithm． Keywords：geneticalgorithm ；supportvectormachinealgorithm；parametersoptimization 到算法的运算效率和模型预测的性能。早期人们在 0 引 言 运用 SVM解决问题时，主要凭借 自身经验反复调试 支持向量机 Suppo~VectorMachine，SCM 理论 的方法来产生参数值，此方法工作繁琐枯燥，且不容 是CofinnaCortes和Vapnik等人于 1995年首次提出 易找到函数全局最优值，达不到预期的精度和满意的 来的 ¨J。它是一种监督式的学习方法 ，与现阶段主 效果 。 要的学习机如神经网络、遗传算法等相比有较好的推 近几年，中外学者对 SVM的参数选取做了大量 广能力和非线性处理能力，并且能够处理高维数据， 工作，综合起来主要是运用遗传算法_4J、粒子群算 解决一般学习机不能解决的 “维数灾难”和 “过学习” 法 等智