基于PSO优化的SVM预测应用研究

• 作者: 任洪娥 霍满冬
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 粒子群优化算法 握钉力 预测
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 867-869
• 页数: 3页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.03.020

摘要

支持向量机参数对支持向量机的性能有着重要影响,参数选择问题是支持向量机的重要研究内容.针对此问题,提出一种基于粒子群优化算法的支持向量机参数选择方法.实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任洪娥	东北林业大学信息与计算机工程学院	163	891	15.0	20.0
2	霍满冬	东北林业大学信息与计算机工程学院	3	52	2.0	3.0