支持向量回归超参数的混沌文化优化选择方法 | |
郭一楠 ; 程健 ; 杨梅 | |
2015-09-15 ; 2015-09-15 | |
关键词 | 支持向量回归 超参数 两阶段 自适应混沌文化算法 时间序列 |
中文摘要 | 支持向量回归超参数的选择会影响模型性能,常用的梯度下降选择方法要求核函数或估计函数近似可微,且对迭代初值具有较强依赖性.对此,给出一种两阶段参数优化选择方法.第1阶段根据问题实际需求,确定超参数的变化区域;第2阶段在确定的参数变化范围内,采用自适应混沌文化算法,寻找具有最优性能的超参数组合.面向Mackey-Glass时间序列预测的仿真结果表明,该参数选择方法对函数结构不具有依赖性,所得超参数对应的SVR模型具有较好的泛化性能. |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/15740] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 郭一楠,程健,杨梅. 支持向量回归超参数的混沌文化优化选择方法[J],2015, 2015. |
APA | 郭一楠,程健,&杨梅.(2015).支持向量回归超参数的混沌文化优化选择方法.. |
MLA | 郭一楠,et al."支持向量回归超参数的混沌文化优化选择方法".(2015). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论