作者:门慧超支持向量回归机核模糊聚类粒子群算法
摘要:针对目前支持向量回归机模型(SVR)参数寻优的各类基本方法,从提高计算效率及降低早熟收敛概率角度,从粒子群算法出发,提出一种新型的基于核模糊聚类(KFCM)算法参数自学习方法:多种群粒子群算法(Multi Swarm PSO)来对支持向量回归机的参数寻优策略进行改进。在改进策略中,融入k折交叉验证(k-CV)法并提出用幂函数作为粒子群算法动态学习因子的方法来提高算法性能。针对5个不同特点的数据集,用提出的改进粒子群算法与网格算法(Grid Algorithm)、标准粒子群算法(PSO)、标准遗传算法(GA)、人工蜂群算法(ABC)4种智能参数自学习算法进行对比,实验结果表明,改进算法在参数寻优的时间效率及拟合准确度方面相对传统方法有一定的提高,可以求解出更符合需求的参数组。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社