支持向量回归超参数的混沌文化优化选择方法
来源期刊:控制与决策2010年第4期
论文作者:郭一楠 程健 杨梅
文章页码:525 - 530
关键词:支持向量回归;超参数;两阶段;自适应混沌文化算法;时间序列;
摘 要:支持向量回归超参数的选择会影响模型性能,常用的梯度下降选择方法要求核函数或估计函数近似可微,且对迭代初值具有较强依赖性.对此,给出一种两阶段参数优化选择方法.第1阶段根据问题实际需求,确定超参数的变化区域;第2阶段在确定的参数变化范围内,采用自适应混沌文化算法,寻找具有最优性能的超参数组合.面向Mackey-Glass时间序列预测的仿真结果表明,该参数选择方法对函数结构不具有依赖性,所得超参数对应的SVR模型具有较好的泛化性能.
郭一楠1,程健1,2,杨梅1
1. 中国矿业大学信息与电气工程学院2. 清华大学自动化系
摘 要:支持向量回归超参数的选择会影响模型性能,常用的梯度下降选择方法要求核函数或估计函数近似可微,且对迭代初值具有较强依赖性.对此,给出一种两阶段参数优化选择方法.第1阶段根据问题实际需求,确定超参数的变化区域;第2阶段在确定的参数变化范围内,采用自适应混沌文化算法,寻找具有最优性能的超参数组合.面向Mackey-Glass时间序列预测的仿真结果表明,该参数选择方法对函数结构不具有依赖性,所得超参数对应的SVR模型具有较好的泛化性能.
关键词:支持向量回归;超参数;两阶段;自适应混沌文化算法;时间序列;