采用改进果蝇优化算法的最小二乘支持向量机参数优化方法

发布时间：2018-01-28 13:19

本文关键词： 改进果蝇优化算法(IFOA) 最小二乘支持向量机(LSSVM) 磨机负荷　出处：《西安交通大学学报》2017年06期 　论文类型：期刊论文

【摘要】：针对最小二乘支持向量机建模中超参数选择盲目的问题,提出了一种新的改进果蝇优化算法用于超参数寻优。该算法在果蝇优化算法的基础上,通过判断当代寻优所获得的最优值与前代最优值的关系来选择不同的步长计算公式,以实现搜索步长的自适应更新,使其不仅具有果蝇优化算法调整参数少、计算速度快的优越性,而且提高了果蝇优化算法的寻优精度和全局寻优能力。仿真结果和磨机负荷应用表明,与基于网格搜索法、粒子群优化算法以及未改进的果蝇优化算法所建立的预测模型相比,基于改进的果蝇优化算法所建立的预测模型可以显著提高磨机负荷的预测精度,能更准确地描述出磨机负荷的变化规律。
[Abstract]:In order to solve the problem of blind super-parameter selection in least square support vector machine (LS-SVM) modeling, a new improved Drosophila optimization algorithm is proposed, which is based on the Drosophila optimization algorithm. By judging the relationship between the optimal value obtained by the contemporary optimization and the previous optimal value, different calculation formulas of step size are selected to realize the adaptive updating of the search step size, which not only has the fruit fly optimization algorithm to adjust the parameters less. The advantages of fast calculation speed and improved the optimization accuracy and global optimization ability of Drosophila optimization algorithm. The simulation results and mill load application show that the algorithm is based on grid search method. Compared with the prediction model established by the particle swarm optimization algorithm and the unimproved Drosophila optimization algorithm, the prediction model based on the improved Drosophila optimization algorithm can significantly improve the forecasting accuracy of the mill load. The changing law of mill load can be described more accurately.
【作者单位】：西安交通大学电气工程学院;
【基金】：国家自然科学基金资助项目(61304118) 教育部新世纪人才计划资助项目(NCET-13-0456);教育部高等学校博士学科点专项科研基金资助项目(20130201120011) 中央高校基本科研业务费专项资金资助项目
【分类号】：TP18
【正文快照】： 最小二乘支持向量机(LSSVM)是利用核函数使原始空间的非线性问题转化为特征空间的线性问题,并在高维特征空间中提出最大间隔的优化目标,实现按结构风险最小化准则进行学习,具有收敛快、精度高等一系列优点。在利用LSSVM建模过程中,惩罚系数γ和核参数σ统称为超参数,它们的取

【参考文献】