基于人工蜂群算法优化的改进高斯过程模型OA北大核心CSCDCSTPCD
Optimized improved Gaussian process model based on artificial bee colony algorithm
高斯过程（GP）的非线性特征导致其对大样本的训练时间复杂度过高，而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群（ABC）算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习，以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数，提升预测精度。选取训练样本的子样本构建改进GP回归（GPR）模型，采用ABC算法搜寻改进GPR的最优超参数，并用得到的超参数构建最优的改进GPR…查看全部>>
Gaussian Process (GP)is characterized by the non-linear property,which leads to too high training time complexity for a large sample,And the hyper-parameters directly affect the prediction accuracy of Gaussian Process.The method of improved GP optimized by the artificial bee colony (ABC)algorithm is proposed to reduce the time complexity and to improve the prediction accuracy.Improved GP constructs the model by selecting a sub-sample of training samples to r…查看全部>>
张乐;刘忠;张建强;任雄伟
海军工程大学 电子工程学院，湖北 武汉 430033 武汉军械士官学校，湖北 武汉 430075海军工程大学 电子工程学院，湖北 武汉 430033海军工程大学 电子工程学院，湖北 武汉 430033
信息技术与安全科学
改进高斯过程人工蜂群算法超参数参数优化
improved gaussian processartificial bee colony algorithmhyper-parametersparameters optimization
《国防科技大学学报》 2014 (1)
154-160,7
国家部委资助项目（513300303）
评论