-
题名基于随机森林和量子粒子群优化的SVM算法
被引量:2
- 1
-
-
作者
崔兆亿
耿秀丽
-
机构
上海理工大学管理学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第9期2929-2936,共8页
-
基金
国家自然科学基金资助项目(72271164)
教育部人文社会科学研究规划基金资助项目(19YJA630021)。
-
文摘
特征属性过多及内部参数的优选是影响支持向量机(SVM)模型泛化能力的重要因素,针对以上两个问题,为了提高SVM模型的泛化能力和分类精度,将随机森林(RF)算法和量子粒子群优化(QPSO)算法结合优化SVM模型的核函数参数和惩罚因子。首先利用RF算法计算出每个特征的重要性,通过特征选择筛选出重要性高的特征作为特征子集;再利用QPSO算法的全局搜索能力寻找出SVM模型的最优核函数参数和惩罚因子,最后将最优参数应用于SVM模型中进行分类预测。实验仿真结果表明,与其他机器学习算法相比,所提模型具有较高的训练精度和预测精度,也证实了该模型具有较好的鲁棒性和泛化性能。
-
关键词
随机森林
量子粒子群优化
支持向量机
特征选择
鲁棒性
-
Keywords
random forest
quantum particle swarm optimization
support vector machine
feature selection
robustness
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于PSO-SVM的产品服务系统配置
被引量:1
- 2
-
-
作者
崔兆亿
耿秀丽
-
机构
上海理工大学管理学院
-
出处
《软件导刊》
2021年第8期87-93,共7页
-
基金
国家自然科学基金项目(71301104)
教育部人文社会科学研究规划基金项目(19YJA630021)
高等学校博士学科点专项科研基金项目(20133120120002)。
-
文摘
产品服务系统(PSS)配置目的是根据客户需求,从产品模块和服务模块的实例中找出特定的实例组合。为了满足个性化、多样化的客户需求,快速准确地给出相应PSS配置,可将其视为多分类问题,提出基于支持向量机的PSS配置方法。支持向量机对内部参数依赖性极高,为了找出与分类问题相契合的参数,利用粒子群算法全局寻优能力,搜索支持向量机最优参数,将最优参数代入支持向量机模型中,得出用于满足客户需求的最优PSS配置方案。以中央空调产品服务系统配置为例进行分析,得出PSO-SVM正确率为89.84%,比传统支持向量机提高6.75%,验证了该方法有效性。
-
关键词
产品服务系统
支持向量机
粒子群算法
-
Keywords
product-service system
support vector machines
particle swarm optimization
-
分类号
TP303
[自动化与计算机技术—计算机系统结构]
-