细菌群体趋药性算法优化LS_SVM参数方法

doi:10.3969/j.issn.1007130X.2011.

J4 ›› 2011, Vol. 33 ›› Issue (2): 149-152.doi: 10.3969/j.issn.1007130X.2011.

细菌群体趋药性算法优化LS_SVM参数方法

韩莉，刘倩，孟祥华

（东北电力大学自动化工程学院,吉林吉林 132012）

收稿日期:2010-03-30 修回日期:2010-06-17 出版日期:2011-02-25 发布日期:2011-02-25
通讯作者: 韩莉
作者简介:韩莉(1956),女,吉林九台人，硕士，教授，研究方向为控制理论及应用。刘倩(1984),女,湖北天门人，硕士，研究方向为模式识别、人工智能。孟祥华(1985),女,吉林公主岭人，硕士，研究方向为控制理论与控制工程。

HAN Li，LIU Qian，MENG Xianghua

(School of Automation Engineering，Northeast Dianli University,Jilin 132012,China)

Received:2010-03-30 Revised:2010-06-17 Online:2011-02-25 Published:2011-02-25

摘要/Abstract

摘要：

针对支持向量机的参数选择问题，本文提出了一种采用细菌群体趋药性智能优化算法优化最小二乘支持向量机参数的方法。细菌群体趋药性智能优化算法引入了群体信息交互策略，单个细菌不仅利用自身信息随机移动，而且细菌群体之间交换种群的信息，有效地改善了个体移动时的随机性和盲目性，加强了细菌趋于最优的移动策略。该方法提高了支持向量机的参数选择效率，避免了人为设定参数的不足，大大缩短了优化时间。经过细菌群体趋药性智能优化算法优化得到的最小二乘支持向量机的参数对，用于测试样本的多分类实验和函数拟合实验，其分类结果和函数拟合效果验证了本文方法的有效性。

关键词: 最小二乘支持向量机, 细菌群体趋药性算法, 参数优化

Abstract:

A method that optimizes the parameters of the Least Squares Support Vector Machines (LS_SVM) by using Bacterial Colony Chemotaxis is presented.This optimization algorithm is used to optimize the target function by analogy to the way bacteria react to chemoattractants in concentration gradients. This method greatly improves the efficiency of LS_SVM’s parameters selection, and with the parameters selected, the classification result for the testing samples is the optimum. It avoids the disadvantage of manually specifying the parameters, and also scales down the optimisation time.

Key words: least squares support vector machines;bacterial colony chemotaxis;parameter selection

韩莉，刘倩，孟祥华. 细菌群体趋药性算法优化LS_SVM参数方法[J]. J4, 2011, 33(2): 149-152.

HAN Li，LIU Qian，MENG Xianghua. [J]. J4, 2011, 33(2): 149-152.

[1]	陈侨安1，李峰1，曹越1，龙明盛1,2. 基于运行数据分析的Spark任务参数优化[J]. J4, 20160101, 38(01): 11-19.
[2]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[3]	王硕禾1，刘旭1，李苏晨1，张国驹2. 基于多目标遗传算法的LoRa参数匹配优化[J]. 计算机工程与科学, 2020, 42(03): 434-440.
[4]	邱云飞，李智义. 改进人工鱼群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2018, 40(11): 2074-2079.
[5]	高雷阜，赵世杰，于冬梅，徒君. 果蝇耦合均匀设计算法及其优化SVM参数[J]. J4, 2016, 38(05): 954-959.
[6]	陈侨安1，李峰1，曹越1，龙明盛1,2. 基于运行数据分析的Spark任务参数优化[J]. J4, 2016, 38(01): 11-19.
[7]	高雷阜，赵世杰，于冬梅，徒君. SVM参数优化的AFMC算法[J]. J4, 2015, 37(07): 1304-1310.
[8]	王旭婧,陈长兴,任晓岳. 基于沃尔泰拉级数的模拟电路组合故障诊断法[J]. J4, 2015, 37(03): 446-451.
[9]	李长云，潘伟强，胡盛龙. 基于均匀设计的支持向量机参数优化方法[J]. J4, 2014, 36(04): 702-706.
[10]	陈宝文，谭旭. 基于多蚁群算法的支持向量回归机参数选择方法[J]. J4, 2012, 34(9): 113-117.
[11]	鲁萍,侯筱婷. 虚拟植物模型参数优化及仿真[J]. J4, 2011, 33(7): 132-135.
[12]	赵新建，沈友文，徐〓俊. 基于ACO算法的SVM核函数的参数优化[J]. J4, 2011, 33(10): 126-130.
[13]	刘新旺[1] 殷建平[1] 张国敏[1] 罗棻[2] 詹宇斌[1]. 基于最小二乘支持向量机的特征增量学习算法[J]. J4, 2008, 30(12): 68-71.
[14]	余艳芳高大启. 一种改进的最小二乘支持向量机及其应用[J]. J4, 2006, 28(2): 69-71.

细菌群体趋药性算法优化LS_SVM参数方法

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 14

编辑推荐

Metrics

本文评价