基于黑洞算法的LSSVM的参数优化 |
| |
引用本文: | 王通,高宪文,蒋子健.基于黑洞算法的LSSVM的参数优化[J].东北大学学报(自然科学版),2014(2). |
| |
作者姓名: | 王通 高宪文 蒋子健 |
| |
作者单位: | 东北大学信息科学与工程学院;沈阳工业大学电气工程学院; |
| |
基金项目: | 国家自然科学基金重点资助项目(61034005) |
| |
摘 要: | 采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.
|
关 键 词: | 黑洞算法 最小二乘支持向量机 参数搜索 粒子群优化 二维函数 |
本文献已被 CNKI 等数据库收录! |
|