自适应GA
SVM 参数选择算法研究Param eter selection algorithm for support vector machines based

on adaptive genetic algorithm

支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但

是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果,

而且采用人工的方法选择 SVM 参数比较浪费时间, 这在很大程度上限制了它的应用. 为了能够自动地获得最佳的

SVM 参数, 提出了基于自适应遗传算法的 SVM 参数选取方法. 该方法根据适应度值自动调整交叉概率和变异概率,

减少了遗传算法的收敛时间并且提高了遗传算法的精度, 从而确保了 SVM 参数选择的准确性. 将该方法应用于船用

锅炉汽包水位系统建模, 仿真结果表明由该方法所得的 SVM 具有较简单的结构和较好的泛化能力, 仿真精度高, 具

有一定的理论推广意义.- The support vector m achine ( SVM )　 is a prom ising artificia l inte lligence technique,　 in w hich the regres


sion a lgorithm　has a lready been used to so lve the nonlinear function approach successfully.　Un fortunate ly,　m ost us


ers se lect param eters for an SVM by ru le o f thumb,　 so they frequently fail to generate the optim al approach ing e ffect

for the function.　Th is has restricted effective use o f SVM　to a great degree.　 In order to get optim a l param eters auto


m atically,　 a new　approach based on an adaptive genetic a lgorithm　( AGA )　 is presented,　w hich autom atica lly ad


justs the param eters for SVM.　This m ethod se lects crossover probability and mutation probab ility accord ing　to　the

fitness va lues of the object function,　 therefo re reduces the convergence tim e and im proves the prec ision o fGA,　 in


suring the accuracy of param eter se lection.　 Th is m ethod w as applied to m odeling of w ater　level system　o f a sh ip

b