改进ABC-SVM的参数优化及应用

发布时间：2017-09-09 09:04

  本文关键词：改进ABC-SVM的参数优化及应用

  更多相关文章： 铆接件 支持向量机 人工蜂群算法 参数优化 算法改进

【摘要】：支持向量机算法(SVM)的回归预测性能在很大程度上取决于模型参数的选择,提出一种基于改进人工蜂群算法的SVM参数优化方法并将其应用于铆接件铆接力的回归预测。针对ABC算法存在难以有效确定参数搜索范围的问题,基于支持向量机的渐近性能确定了ABC算法搜索SVM参数的"好区",再引入线性核函数进一步缩小搜索范围,有效地帮助了ABC算法更快搜索到全局最优参数。在此基础上建立改进的人工蜂群支持向量机(I-ABC-SVM)模型,将其应用于铆接力的回归预测。最后,采用仿真对比实验测试模型性能。仿真实验结果表明,相对于参比模型,I-ABC-SVM不仅表现出很强的泛化能力和较快地搜索速度,而且能够很好地解决SVM参数优化和ABC算法初始化参数设置的难题,同时保证了很好的预测性能。
【作者单位】： 西南科技大学制造科学与工程学院;西南科技大学制造过程测试技术教育部重点实验室;
【关键词】： 铆接件 支持向量机 人工蜂群算法 参数优化 算法改进
【基金】：国家自然科学基金中国工程物理研究院联合基金(11176027) 国家重大科学仪器设备开发专项(2012YQ130226) 西南科技大学研究生创新基金资助项目(14ycxjj0118)
【分类号】：TG938;TP18
【正文快照】： 1引言铆接工艺简便、成本低廉,是一种重要的联接方式[1],广泛应用于飞机、导弹等武器装备中。然而机体在长期贮存中,其铆接件会受到大气腐蚀影响,铆接力逐渐减小[2],承载载荷性能下降直至失效,导致机体剩余寿命减少,影响使用安全。因此,采用支持向量机(Support Vector Machine

【参考文献】

中国期刊全文数据库 前1条

1 郭雷;肖怀铁;付强;;非均衡数据目标识别中SVM模型多参数优化选择方法[J];红外与毫米波学报;2009年02期

【共引文献】

中国期刊全文数据库 前10条

1 程熙;沈占锋;骆剑承;沈金祥;胡晓东;朱长明;;利用地物波谱学习的遥感影像波段模拟方法[J];红外与毫米波学报;2010年01期

2 郭晏;宋爱国;包加桐;崔建伟;章华涛;;基于差分进化支持向量机的移动机器人可通过度预测[J];机器人;2011年03期

3 张银雪;田学民;曹玉苹;;改进搜索策略的人工蜂群算法[J];计算机应用;2012年12期

4 高相铭;陈永超;;基于物联网的分布式电动机故障诊断与保护系统研究[J];工矿自动化;2013年06期

5 吕刚;陈立;;小波变换和支持向量机相融合的ECG身份识别[J];计算机工程与应用;2013年24期

6 谢伟军;韩飞;张东;汪闽;崔丹丹;吕林;朱瑞;;面向对象的海域使用专题信息遥感提取关键技术研究[J];海洋环境科学;2014年02期

7 许爱军;;改进ABC算法优化LSSVM的网络流量预测模型[J];计算机应用与软件;2015年01期

8 李伟;南新元;;基于改进ABC的LSSVM氧化还原电位预测研究[J];计算机测量与控制;2014年12期

9 李t熋，

本文编号：819514