摘要: 采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.
中图分类号:
王通,高宪文,蒋子健. 基于黑洞算法的LSSVM的参数优化[J]. 东北大学学报:自然科学版, 2014, 35(2): 170-174.
WANG Tong, GAO Xianwen, JIANG Zijian. Parameters Optimizing of LSSVM Based on Black Hole Algorithm[J]. Journal of Northeastern University Natural Science, 2014, 35(2): 170-174.