采用遗传算法优化最小二乘支持向量机参数的方法.pdf

文档介绍：第26卷第7期计算机应用与软件Vol:2007-09-12。黑龙江省自然科学基金项目(C2004-03)。王克奇,教授,主研领域:自动化监测与计算机控制。采用遗传算法优化最小二乘支持向量机参数的方法王克奇杨少春戴天虹白雪冰(东北林业大学机电工程学院黑龙江哈尔滨150040)摘要支持向量机是建立在统计学****理论上的一种学****算法,较好地解决了小样本学****问题。由不同的参数和核函数构造的支持向量机在性能上存在很大差异,而在参数和核函数的选择上目前还没有明确的理论依据。针对支持向量机的参数选择问题,提出了一种采用遗传算法优化最小二乘支持向量机参数的方法。结合LSSVMlab工具箱,在MATLAB实验平台的仿真实验表明,该方法提高了支持向量机的参数选择效率,得到的参数对测试样本的分类结果是最优的,从而避免了人为设定参数的不足,同时缩短了优化时间。关键词最小二乘支持向量机遗传算法参数选择 LSICALGORITHMWangKeqi YangShaochun DaiTianhong BaiXuebing(CollegeofMachineryandElectronEngineering,NortheastForestryUniversity,Harbin150040,Heilongjiang,China)Abstract Supportvectormachines(SVM),alearningmethodbasedonstatisticallearningtheory(SLT),cansolvesmall,andthereisntamanifesttheorysup(LSSVM)SVMlabtoolboxshowsthatthismethodgreatlyimprovestheefficiencyofSVMsparametersselection,andwiththeparametersselected,, Leastsquaressupportvectormachines icalgorithm Parametersselection LSSVMlab