基于粒子群思想改进支持向量机优化算法的研究

《基于粒子群思想改进支持向量机优化算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TPl83工学硕士学位论文基于粒子群思想改进支持向量机优化算法的研究硕士研究生：冯一博导师：满春涛申请学位级别：工学硕士学科、专业：控制理论与控制工程所在单位：自动化学院答辩日期：2013年3月授予学位单位：哈尔滨理：r大学哈尔滨理T人学-T．学硕．1：学位论文ClassifiedIndex：TP183DissertationfortheMasterDegreeinEngineeringImprovedSupportVectorMachineBasedOnParticleSwarmOptimizationCandidate：

2、Supervisor：AlgorithmFengYiboChuntaoManAcademicDegreeAppliedfor：MasterofEngineeringSpecialty3ControlTheoryandControlEngineeringDateofOralExamination：March，2013University：HarbinUniversityofScienceandTechnologv哈尔滨理T人学T学硕}：学位论文哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于粒子群思想改进支持向

3、量机优化算法的研究》，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均在文中以明确方式注明。本声明的法律结果将由本人承担。作者签名：冯一氆日期：加房年4月／日哈尔滨理工大学硕士学位论文使用授权书《基于粒子群思想改进支持向量机优化算法的研究》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔

4、滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于保密口，在年解密后适用授权书。不保密团。(请在以上相应方框内打√)作者签名：7马一错同期：咖房年4月／同钏獬：询铭响f嘲，：舻㈣同哈尔滨理T大学T学硕-：学位论文基于粒子群思想改进支持向量机优化算法的研究摘要随着科技的日益进步和社会的发展，现代工业过程呈现出多变量耦合、强非线性以及模型不确定等复杂特性，严重制约着工业的生产和快速发

5、展。如何对复杂的工业生产过程进行准确的预测和控制成为了当今学者研究的一个热点问题。而人工智能算法以其应用领域广、易建模等特点在近些年得到了快速发展。通过基于粒子群和支持向量机智能算法，对青霉素发酵过程中的补料优化控制过程以及电力系统领域的短期负荷预测问题进行了分析和研究。首先针对粒子群算法(PSO：ParticleSwarmOptimization)计算形式简单，复杂度比较低，需要确定的参数个数少，同时能够保证算法模型的最终收敛精度比较高的这些原理和特点进行了分析，然后矸对粒子群算法容易陷入局部陷阱、空间探索能力以及进行快速收敛质量差等缺点

6、，分别引入指数递减惯性权重、收敛因子以及模拟退火算法对原始粒子群算法进行改进，通过四组标准测试函数对改进的粒子群算法进行验证，结果表明基于禁忌搜索退火原理的PSO算法在运算速度以及搜索能力上都有明显的提高。基于结构风险最小化的支持向量机(SVM)算法能够在小样本数据下建立非常好的非线性映射模型，大大降低了模型的复杂度，克服了粒子群算法容易陷入局部极小值的缺陷，同时相对于粒子群算法还具有很强的泛化能力。但学习能力较差，受惩罚因子以及核函数参数影响很大，且传统的参数选择方法既费时又效率低下，急需要一种新的参数选择方法对其进行优化。通过对PSO以

7、及SVM算法的分析与对比，将两者结合起来，利用改进后的PSO算法对SVM模型中的惩罚因子及核函数参数进行优化，采用优化参数后的SVM算法和模型进行预测和控制，形成PSO．SVM算法。首先对青霉素发酵过程进行补料的控制模型进行PSO．SVM优化，结果表明基于PSO．SVM算法的生产过程更加稳定、产量有所提高同时又能缩短发酵时间；其次对短期电力负荷进行基于PSO—SVM算法的建模与预测，并与常规的SVM算法进行对比，结果表f纠改进后的电力负荷预测模型精度更高且运算速度显著提高。哈尔滨理T人学T学硕}：学位论义关键词粒子群算法；支持向量机；人工智

8、能；青霉素发酵；电力负荷ImprovedSupportVectorMachineBaseOnParticleSwarmOptimizationAlgorithmAbstractW