支持向量机改进及其在钢材质量管理建模中的应用研究

• 作者: 宋木清 罗春龙
• 来源期刊: 钢铁研究
• 学科: 工学
• 关键词: 支持向量机 DE算法 参数选择 质量管理 神经网络
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 经验交流
• 页码范围: 45-48
• 页数: 4页
• 分类号: TF52.2
• 字数: 3055字
• 语种: 中文

摘要

针对支持向量机参数难以选择的问题,提出了基于差分进化算法(DE)的参数选择方法,算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点,能够很好的解决SVM的参数选择问题.随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中,并将其与神经网络建模方式所得结果相比较,结果表明经改进的支持向量机的预测性能更加优秀.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋木清	华中科技大学管理学院	5	3	1.0	1.0
2	罗春龙	华中科技大学土木工程与力学学院	3	3	1.0	1.0