论文部分内容阅读
针对支持向量机的参数寻优到目前为止仍无一套系统的、完整的理论,同时如采用网格搜索法寻找最优参数又较为费时,单独使用人工鱼群算法寻优时需要反复调用预测数据集的情况下,提出了耦合人工鱼群算法用于支持向量机参数的优化选择.该模型利用训练好的神经网络来拟合人工鱼的食物浓度值,避免了反复调用预测数据集的麻烦;该模型既具有神经网络算法的较强非线性拟合能力,又具有鱼群算法的并行搜索能力和全局寻优性能等优点.数值试验的结果表明:耦合人工鱼群算法在支持向量机的参数寻优中具有较好的预测效果和较高的预测准确率.