基于蚁群算法的支持向量机参数优化

《基于蚁群算法的支持向量机参数优化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第33卷第4期南京理工大学学报(自然科学版)V01．33No．4基于蚁群算法的支持向量机参数优化张培林1’2，钱林方1，曹建军2，任国全2(1．南京理工大学机械工程学院，江苏南京210094；2．军械工程学院火炮工程系，河北石家庄050003)摘要：针对支持向量机的参数对分类性能的影响，探讨了基于蚁群算法的支持向量机参数优化方法，建立了支持向量机参数优化模型，给出了基于网格划分策略的连续蚁群算法，并将其用于优化模型求解，通过对支持向量机的惩罚因子和径向基核函数进行优化。使支持向量机的分类性能最优。通过仿真和应用实例，验证了方法的有效性，得到了95％以上的分类正确率。关键

2、词：蚁群算法；支持向量机；参数优化；油液分析；故障诊断中图分类号：TH113．1；TK41．1文章编号：1005—9830(2009)04—04“一05ParameterOptimizationofSupportVectorMachineBasedonAntColonyOptimizationAlgorithmZHANGBei．1inl”，QIANLin—fan91，CAOJian-jun2，RENGuo．quan2(1．SchoolofMechanicalEngineering，NUST，Nanjing210094，China；2．DepartmentofArtilleryE

3、ngineeringofOrdnanceEngineering．College，Shijiazhuang050003，China)Abstract：Parametersofsupportvectormachineisthekeyfactorthatimpactsitsclassifyingperform—ance．Aparameteroptimizationmethodforsupportvectormachineusingantcolonyoptimizational·gorithmisdiscussed．Aparameteroptimizationmodelisestabl

4、ished．Thecontinuousantcolonyopti-mizationmethodbasedongriddingpartitionisgivenandusedtoresolvetheoptimizationmodel．Theclassifyingperformancereachesthebeststatebyoptimizingthepenaltyfactorandtheradialbasisfunction．Thevalidityofthemethodistestedbysimulationandapplicationinstances，andmorethan95

5、％classifiedrightrateisobtained．Keywords：antcolonyoptimizationalgorithm；supportvectormachine；parameteroptimization；oilanalysis：faultdiagnosis支持向量机建立在统计学习坚实的理论基础之上，具有理论的完备性，但是在应用上仍然存在一些问题，典型的问题之一就是模型参数的选择，针对此问题，尚无统一的模型选取标准和理论。收稿日期：2008一cr7—24修回日期：2009—04—27基金项目：国家自然科学基金(50705097)作者简介：张培林(1955一

6、)，男，教授，博士生，主要研究方向：机械工程及自动化。万方数据总第167期张培林钱林方曹建军任国全基于蚁群算法的支持向量机参数优化465具体应用中，对分类结果有重要影响的参数是：惩罚因子C和核函数参数等。惩罚因子C用于控制模型复杂度和逼近误差的折中，c越大则对数据的拟合程度越高，但泛化能力将降低；对不同类型的核函数，所产生的支持向量的个数变化不大，但是核函数的相关参数。如多项式核函数的多项式次数，径向基核函数的盯值对模型的分类精度均有重要影响【l。】。蚁群算法是一种新型启发式进化算法，具有很强的发现较好解的能力，较好的鲁棒性，信息正反馈，并行分布式计算及易于与其他启发式方法相结

7、合等优点"冉J。本文提出了一种基于蚁群算法的支持向量机参数选择算法，为支持向量机的参数选择提供了新方法，并将其应用于发动机油液故障诊断。支持向量机参数优化模型为了直观说明参数对分类结果的影响，对正常和拉缸两种状态样本(前10个用来训练，后30个用来测试)，分别考查确定C，不同矿值的分类结果(表1)；确定盯值，不同C的分类结果(表2)。表1C=2时矿对分类结果的影响tlr正确率／％0．01O．1l1010063．3376．6786．6773．3360．00表2tlr=2时C对分类结果的影响C正