从表1可以看出,PSO-SVM预测模型的平均误差和相对百分误差分别为1.653 6%和1.637 8%,明显小于灰色神经网络预测模型和单纯SVM预测模型的预测误差。因此,经PSO优化的SVM模型比神经网络预测模型以及SVM模型具有更好的预测能力。 4 结束语 本文在考虑船舶影响因素的条件下,利用SVM预测模型具有小样本学习能力、学习
基于改进PSO的SVM参数优化及其在风速预测中的应用
SVM 是 Vapnik 于 1995 年提出的一种基于统计学习理论 的机器学 习方法。它 以 结构风险最小化原则为理论 基础, 引入 核函数 方法, 将原始 问 题映射到高维空间, 把待求解问题转换为二次优化问题, 使 SVM 收敛于问题的全局最优解[ 3] 。SVM 方法最早是针对 模式 识别问 题 而提 出 来的[ 4] 。随...
种改进的NCSPSO—AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法(PSO),NCSPSO算法在图像分 割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割 的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好....
“Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究”出自《经济数学》期刊2017年第2期文献,主题关键词涉及有机器学习、非线性回归预测、支持向量机、网格搜索法、粒子群算法、Shibor等。钛学术提供该文献下载服务。
LSSVM进行优化,以提高基于LSSVM的时间 序列预测方法的泛化能力与预测精度,研究了一 种基于PSO的LSSVM,其有效性通过时间序列 预测实例进行了验证。 基于粒子群优化 的最 小二乘支持向量机在时间序列预测 中的应用— —张 弦 王宏力 1 时 间序列预测原理 在 时间 序列观测值 (z ) 。中 ,每个时 问...
基于GA-PSO 优化分层 DT-SVM 混合核的遥感图像分类及其 应用 目录 第一章绪论 (1) 1.1 课题研究背景与意义 (1) 1.1.1 研究背景 (1) 1.1.2 研究意义 (2) 1.2 SVM 遥感分类研究现状和存在问题 (2) 1.2.1 SVM 遥感分类的研究现状 (2) 1.2.2 SVM 遥感分类的存在问题 (3) 1.3 本文章节安排 (4) ...
PSO优化的SVM回归在SF6废气定量分析中的应用
影响GIS的绝缘能力,定量分析故障GIS内SF6衍生物有助于评估设备发生故障的原因.为了从GIS设备内SF6气体的红外光谱中获取衍生物的种类及体积,使用支持向量机(SVM)回归法建立了SF6及其部分衍生物的定量分析模型,采用粒子群优化(PSO)算法对支持向量机的参数进行了优化选择,与遍历选择参数方法相比,粒子群优化避免了交叉...
PSO优化的SVM模型在成矿预测中的应用PSO-SVM模型PSO-SVM模型成矿预测粒子群优化算法(PSO)支持向量机(SVM)PSO优化SVM模型成矿预测No article summary included中国有色金属学会中国有色金属学会金属矿山成矿理论与深部找矿新技术研讨会刘光萍刘光萍王静东华理工大学理学院,江西抚州...