SAPSO优化SVM参数

yuanweicao123 2016-06-14 08:24:52

各位大神，鄙人最近在做SAPSO优化SVM参数，但是发现在PSO中加入SA算法后，检测率以及检测时间什么的并没有发生丝毫的改变，自认为写的算法没有错，找不出原因，甚为苦恼。不知道大家有没有什么主意或者是有代码提供？感激不尽

...全文

228 1 打赏收藏举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

yuanweicao123 2016-06-14

打赏
举报

回复

为什么都没有理

针对最小二乘支持向量机（LSSVM）在参数反演中面临的核参数$\sigma$和正则化参数$\gamma$选取困难问题，以及标准粒子群算法（PSO）易陷入局部最优的缺陷，核心内容构建了一种基于模拟退火（SA）改进的粒子群算法（SAPSO）。利用SAPSO算法对LSSVM的超参数进行联合寻优，构建了具有高泛化能力和高精度的SAPSO-LSSVM非线性映射模型，该模型能够准确描述基坑支护结构位移与土层等效参数（粘聚力$c$和内摩擦角$\phi$）之间的复杂非线性关系。（1）基坑土层分界位置的多元回归寻真优化。

相较于传统的数学模型，支持向量机（SVM）因其具有非线性分类、高精度和泛化能力强等优点而在风电功率预测领域得到了广泛应用。生成SVM模型的适应度函数，在麻雀算法中运行以获得最优解和最优适应度值。因此，如何更好地优化SVM模型的效果成为了研究的热点。本文将利用麻雀算法对SVM模型进行优化，在风电功率预测领域中实现更加准确的预测效果。本文提出的基于麻雀算法优化的支持向量机模型在风电功率预测领域中具有较高的准确度和稳定性。此外，通过对SVM模型进行优化，使得模型的泛化能力更强，具有更好的应用前景。

模拟退火粒子群算法求解分布式电源定容选址优化规划完整代码，包运行；可提供运行操作视频！适合小白！

模拟退火粒子群算法求解分布式电源定容选址优化规划完整代码，包运行；可提供运行操作视频！适合小白！

51,407

社区成员

86,126

社区内容

发帖

与我相关

我的任务

javaspring bootspring cloud 技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章