基于SA和Bootstrap的LS_SVM参数优选及应用.pdfVIP

理 论 新 探 基于SA和Bootstrap的LS-SVM参数 优选及应用 1 1 2 赵春秀 ,周辉仁 ,刘春霞 天津大学 管理学院,天津 ;济南热电有限责任公司,济南 (1. 3000722. 250002) 摘 要:文章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,用模拟退火 算法 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 (SA) 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,文中提出的方法是可行的。 关键词:最小二乘支持向量机; ;模拟退火算法;参数优化 Bootstrap 中图分类号: 文献标识码: 文章编号: ( ) TP181 A 1002-6487200815-0025-04 [3][4] , ,这种方 (LeastSquaresSupportVectorMachinesLS-SVM) 0 引言 法采用最小二乘线性系统作为损失函数,求解过程变成了解 一组等式方程,求解速度相对加快,并应用到模式识别和非 在 年提出一种新型具有完备的统计学习理 线性函数逼近中,取得了较好的效果。 Vapnik 1995 —支持向向量机 模型参数的选择是一个尚待解决的公开问题,常用 论基础和出色的学习性能的方法—— (Support SVM 的留一法参数选择方法 [5] ,已成为机器学习界的研究热点,并在很多 ,计算量非常庞大 。文献 针对 VectorMachines) [6] LS- [1,2] 领域都得到了成功的应用 。用传统的支持向量机训练样本 SVM用交叉验证的方法进行核参数选择后对软测量建模;文 变为求解凸二次规划问题,这个二次规划具有全局和唯一 献 提出了一种基于三步搜索技术的参数选择方法;文献 [7] [8] 解。近年, 提出最小二乘支持向量机方法 用网格搜索对核参数选择后对非线性系统建模;