学术论文

      磷虾群算法优化支持向量机的威胁估计

      Threat assessment of support vector machine optimized by Krill Herd algorithm

      摘要:
      为提高目标威胁估计的预测精度,在传统支持向量机优化方法的基础上,提出了采用磷虾群算法优化支持向量机的威胁估计方法.介绍了磷虾群算法和支持向量机的原理,并基于此采用磷虾群算法对支持向量机中的惩罚参数和核函数参数进行优化,寻找最优的惩罚参数和核函数参数;建立磷虾群优化支持向量机的目标威胁估计模型,并实现基于该模型的目标威胁估计算法.采集90组原始数据组成训练集、30组数据组成测试集,对该目标威胁估计算法进行仿真实验.实验结果显示,磷虾群算法优化支持向量机的预测误差为0.002 91,小于采用粒子群算法或萤火虫算法优化的支持向量机.结果表明,磷虾群优化支持向量机的目标威胁估计方法可以有效地完成目标威胁估计.
      作者: 黄璇 [1] 郭立红 [2] 李姜 [2] 于洋 [2]
      Author: HUANG Xuan [1] GUO Li-hong [2] LI Jiang [2] YU Yang [2]
      作者单位: 中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院大学,北京100039 中国科学院长春光学精密机械与物理研究所,吉林长春,130033
      刊 名: 光学精密工程 ISTICEIPKU
      年,卷(期): 2016, 24(6)
      分类号: TP391.9
      机标分类号: TP3 V27
      在线出版日期: 2016年7月29日
      基金项目: 国家自然基金青年基金