基于粒子群优化算法的支持向量机参数选择及其应用
邵信光
杨慧中
陈刚
1.江南大学,控制科学与工程研究中心,江苏,无锡,2141222.江南大学,控制科学与工程研究中心,江苏,无锡,2141223.江南大学,控制科学与工程研究中心,江苏,无锡,214122
摘要：参数选择是支持向量机(SVM)研究领域的重要问题,它的本质是一个优化搜索过程,考虑到进化算法在求解优化问题上的有效性,提出了以最小化κ-fold交叉验证误差为目标,粒子群优化(PSO)算法为寻优技巧的SVM参数调整方法.通过仿真例子验证该方法的有效性后,用其建立了聚丙烯腈生产过程中数均分子量的软测量模型,结果表明该方法有效.
关键词：支持向量机参数选择粒子群优化聚丙烯腈软测量
分类号：TP274(自动化技术及设备)
资助基金：国家高技术研究发展计划(863计划)(2002AA412120)
论文发表日期：2006-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 740-743,748 )
英文信息