买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:梅睿彪
摘要:本发明涉及人工智能领域,特别涉及一种动态调整惯性权重的粒子群优化支持向量机算法,具体包括以下步骤:S1.初始化;S2.计算适应度;S3.更新个体最优;S4.更新全局最优;S5.终止条件。本发明通过改进的PSOWPSO算法,更高效地确定能够优化SVM分类效果的误差惩罚参数和核函数参数;改进了的PSO算法倾向于在算法的后期阶段陷入局部最优解以及由其他改进PSO算法引发的后期稳定性问题,旨在达到更佳的优化性能。
主权项:1.一种动态调整惯性权重的粒子群优化支持向量机算法,其特征在于,具体包括以下步骤:S1.初始化:生成初始粒子群,为每个粒子指定随机的初始位置和速度;S2.计算适应度:为每个粒子计算适应度值;S3.更新个体最优:对每个粒子而言,将其当前适应度值与其历史最佳适应度值,个体最优,记为pbest,进行比较;若当前位置具有更高的适应度值,则将当前位置更新为新的pbest;S4.更新全局最优:对每个粒子而言,将其适应度值与整个粒子群的历史最佳适应度值,全局最优,记为gbest,进行比较;若当前位置具有更高的适应度值,则将当前位置更新为新的gbest;在计算下一次迭代的速度和位置时,对于惯性因子ω,其惯性权重具体公式为: 其中,x=tT,k是介于0到1之间的随机数,其具体值根据实际情况调整确定;需满足以下条件: 其中,C表示一个大于1的整数值,iter代表迭代次数,而j是介于0和1之间的参数,其具体值根据实际情况而定;N指总迭代次数,ncc[i]代表第i个粒子在连续迭代过程中未更新位置的次数,n为根据实际情况的设定值,pre[i]用于标示该粒子在之前的迭代中是否采用了此策略;S5.终止条件:若达到预设的终止条件,如最大迭代次数或适应度阈值,则停止算法;否则,返回步骤S2继续执行。
全文数据:
权利要求:
百度查询: 梅睿彪 一种动态调整惯性权重的粒子群优化支持向量机算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。