【摘 要】
：
支持向量机参数的选择对建模精度和泛化性能等有着重要的影响,提出量子粒子群优化（QPSO）改进算法优化支持向量机（SVM）参数的方法。该方法首先将混合扰动算子引入QPSO算法中,用于
【机 构】
：
四川文理学院达州智能制造产业技术研究院,重庆大学人工智能与健康监护实验室
【基金项目】
：
四川省科技厅应用基础重点项目（2018JY0129）,四川省教育厅科技计划项目（18ZA0415）
论文部分内容阅读
支持向量机参数的选择对建模精度和泛化性能等有着重要的影响,提出量子粒子群优化（QPSO）改进算法优化支持向量机（SVM）参数的方法。该方法首先将混合扰动算子引入QPSO算法中,用于获取平均最优位置,建立一种基于混合扰动算子的QPSO算法改进方法（IQPSO）,然后用IQPSO算法的全局优化能力对支持向量机惩罚系数和核参数进行综合寻优,求取最优化参数组合,从而提高支持向量机的求解速度和解的精确性。利用测试函数和UCI测试数据,对IQPSO-SVM进行仿真测试与分类,实验结果表明,IQPSO能获得很好的优化结
其他文献
针对传统人工吊钩检测中测量工具复杂、测量精度低、效率低、准确性差等问题,提出一种综合点云分割、圆柱中轴提取以及模型对称面提取这3种算法设计实现吊钩形变检测算法。通
从一般云平台和项目的实际需求出发,结合包簇架构,利用CloudStack开源云平台,设计一种基于包簇映射机制的实验平台。该实验平台采用分层的设计方法,包含硬件设施层、虚拟资源
针对某型飞行模拟器，首先提取该型模拟器短周期模态6个相关参数的时间历程曲线，其次在时域内运用平均标准化距离检验方法和灰色关联分析方法对飞行模拟仿真数据和飞参数据进行