基于粒子群优化支持向量机的煤矿水位预测模型OA北大核心CSCDCSTPCD
The Forecast Model of Mine Water Discharge Based on Particle Swarm Optimization and Support Vector Machines
支持向量机算法(SVM)具有可靠的全局最优性和良好的泛化能力,适用于有限样本的学习,而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果.利用粒子群算法(PSO)随机搜索策略对支持向量机参数进行优选,建立基于粒子群算法参数优化的支持向量机模型(PSO-SVM).仿真结果表明,该优化模型比传统的人工神经网络(BP)模拟效果要好,在拟合精度方面有很大的提高,且具有较好的泛化能力.
The support vector machine (SVM) algorithm is of reliable global optimality and good generalization,suitable for the learning of finite samples. However, the results considerably depend on the SVM model parameters and the conventional parameter choosing method by experience is unsatisfactory. Using the particle swarm optimization (PSO) random search strategy, we can establish the optimization parameters of support vector machine. It is shown that ACOSV…查看全部>>
郭凤仪;郭长娜;王爱军;王洋洋;刘丹
辽宁工程技术大学电气与控制工程,葫芦岛125105辽宁工程技术大学电气与控制工程,葫芦岛125105开滦钱家营矿业公司,河北唐山063301辽宁工程技术大学电气与控制工程,葫芦岛125105辽宁工程技术大学电气与控制工程,葫芦岛125105
信息技术与安全科学
支持向量机粒子群优化参数优选水仓水位
support vector machineparticle swarm optimizationparameter optimizationwater warehouse water level
《计算机工程与科学》 2012 (7)
177-181,5
辽宁省高校创新团队资助项目(LT2010046)
评论