摘要
支持向量机参数对支持向量机的性能有着重要影响,参数选择问题是支持向量机的重要研究内容。针对此问题,提出一种基于粒子群优化算法的支持向量机参数选择方法。实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。
In the parameters of support vector machine(SVM) have important effect to SVM performance.The parameters selection is the important research content of the SVM.To this problem,this paper proposed one kind of method to choose the parameters of the SVM by particle swarm optimization algorithm(PSO).The experiment result indicates the SVM regression model optimized by PSO have high forecast accuracy,and PSO is one kind of effective method for SVM parameters choosing.
出处
《计算机应用研究》
CSCD
北大核心
2009年第3期867-869,共3页
Application Research of Computers
基金
国家"948"资助项目(2005-4-62)
国家"十一五"科技支撑计划课题资助项目(2006BAD18B08)
关键词
支持向量机
粒子群优化算法
握钉力
预测
SVM（support vector machine）
PSO（particle swarm optimization algorithm）
holding nail force
forecast
