[發(fā)明專利]一種自適應(yīng)SVM近似模型參數(shù)優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201611044162.0
• 申請日: 2016-11-24
• 公開（公告）號: CN108108583A
• 公開（公告）日: 2018-06-01
• 發(fā)明（設(shè)計）人: 趙天枝;葛建立;曹杰;王雪嫣;孫全兆;楊國來;王浩
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 朱沉雁

1.一種自適應(yīng)SVM近似模型參數(shù)優(yōu)化方法，其特征在于，包括以下步驟：

步驟1，使用最優(yōu)拉丁超立方試驗設(shè)計方法結(jié)合對物理模型f的分析，獲得訓(xùn)練樣本集S＝{(x(i),fx(i)),i＝1,2,…,ns}；

步驟2，使用改進(jìn)后的最優(yōu)拉丁超立方試驗設(shè)計方法結(jié)合對物理模型f的分析，獲得測試樣本集T＝{(y(i),fy(i)),i＝1,2,…,nt}，使得ns個訓(xùn)練樣本點到nt個測試樣本點之間的距離最大；

步驟3，以測試樣本集的決定系數(shù)R2作為適應(yīng)度值，通過遺傳算法，優(yōu)化SVM近似模型的3個重要參數(shù)，即逼近精度ε、懲罰參數(shù)C和核參數(shù)σ，獲得最優(yōu)參數(shù)SVM近似模型；

步驟4，以步驟3中最終迭代步的決定系數(shù)作為貪婪準(zhǔn)則，采用貪婪算法，更新訓(xùn)練樣本集與測試樣本集，更新貪婪準(zhǔn)則，直到nt＝0，獲得最終優(yōu)化后的SVM近似模型。

2.根據(jù)權(quán)利要求1所述的自適應(yīng)SVM近似模型參數(shù)優(yōu)化方法，其特征在于：步驟1所述的使用最優(yōu)拉丁超立方試驗設(shè)計方法結(jié)合對物理模型f的分析，獲得訓(xùn)練樣本集S＝{(x(i),fx(i)),i＝1,2,…,ns}，具體如下：

訓(xùn)練樣本點x(i)的維數(shù)為m，樣本點個數(shù)為ns，x(i)取值范圍為[xmin,xmax]，最優(yōu)拉丁超立方試驗設(shè)計方法的算法步驟為：

步驟1-1、將訓(xùn)練樣本的每一維變量在其取值范圍內(nèi)分成ns個間隔，在每個間隔內(nèi)隨機(jī)產(chǎn)生一個采樣點，隨機(jī)組合構(gòu)成一個ns×m的訓(xùn)練樣本矩陣X，即為訓(xùn)練樣本點，轉(zhuǎn)入步驟1-2；

步驟1-2、令OUT＝1，IN＝1，最優(yōu)訓(xùn)練樣本矩陣Xbest＝X；轉(zhuǎn)入步驟1-3；

步驟1-3、將訓(xùn)練樣本矩陣X第IN列中的任意兩個元素交換A次，構(gòu)造一批新的訓(xùn)練樣本矩陣X1,X2,…,XA，采用最大最小距離準(zhǔn)則，從其中選出最好的設(shè)計Xtry，

最大最小距離準(zhǔn)則為：一個訓(xùn)練樣本矩陣X中，d(xi,xj)表示兩個訓(xùn)練樣本點之間的距離：參數(shù)t＝1或2，k為自變量，評判標(biāo)準(zhǔn)即在一批新的訓(xùn)練樣本矩陣X1,X2,…,XA中，選擇Xtry滿足條件F(Xtry)＝max{F(X1),F(X2),…,F(XA)}；轉(zhuǎn)入步驟1-4；

步驟1-4、判斷F(Xbest)與F(Xtry)的大小，如果F(Xbest)≤F(Xtry)，則Xbest＝Xtry，IN＝IN+1；如果F(Xbest)>F(Xtry)，則IN＝IN+1；轉(zhuǎn)入步驟1-5；

步驟1-5、比較m和步驟1-4中更新后的IN，如果IN>m，則轉(zhuǎn)入步驟1-6；否則，返回步驟1-3；

步驟1-6、令OUT＝OUT+1，如果OUT>B，輸出最優(yōu)訓(xùn)練樣本矩陣Xbest，轉(zhuǎn)入步驟1-7，其中B是外循環(huán)的次數(shù)；否則，IN＝1，返回步驟1-3；

步驟1-7、根據(jù)所獲得的最優(yōu)訓(xùn)練樣本矩陣Xbest，結(jié)合對物理模型f的分析，獲得訓(xùn)練樣本集S＝{(x(i),fx(i)),i＝1,2,…,ns}。