基于群智能算法的SVR参数优化研究进展

• 作者: 张琳 汪廷华 周慧颖
• 来源期刊: 计算机工程与应用
• 关键词: 支持向量回归机(SVR) 参数优化 群智能算法 机器学习
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 热点与综述|Research Hotspots and Reviews
• 页码范围: 50-64
• 页数: 15页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2104-0096

摘要

支持向量回归机(Support Vector Regression,SVR)是建立在统计学习理论上的一种机器学习方法,主要用来处理回归问题.选取到合适的参数是实现支持向量回归机算法优势的前提,但在实践中仍然存在模型参数选择困难的问题.群智能算法主要是模仿自然界生物种群社会行为规律的元启发式算法,具有简单性、自适应性、灵活性等特点,现已成为非线性参数寻优方法的研究热点.系统综述了利用群智能算法优化支持向量回归机参数的研究进展.在介绍支持向量回归机基础理论之后,系统分析了常见群智能算法及其改进方法实现支持向量回归机参数优化选择的优点与不足,并对未来的研究方向及挑战做出展望.