支持向量回归学习方法中基于稳定型GA的超参数选择论文.pdfVIP

ofthe 24m Pro(始．edlngs ChineseControl Conference GuanCzhou,P．R．China July工量I2005 支持向量回归学习方法中基于稳定型GA的超参数选择 李 洁，高 峰，管晓宏，周佃民 (西安交通大学机械制造系统工程国家重点实验室，系统工程研究所，陕西西安710049) cn Email：jieli@sei．xjtu．edu 摘要：作为～种具有很好应用前景的学习机器，支持向量机(SVM)的超参数选择在实际应用中一直是一个十分 重要的问题。文中提出了一种基于稳定型遗传算法的支持向量回归模型(SVR)超参数选择方法。该方法吸收了 标准的世代型遗传算法在全局搜索方面的优势，又具有更好的效率和更少的代价，对于像SVR超参数这样计算量 大的应用问题非常适合。算法仿真将本文提出的方法与标准的世代型遗传算法和传统格搜索方法同时应用于 Boston Housing标