| 作者： | 李艳英 |
| 专业： | 模式识别与智能系统 |
| 导师： | 路志英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 关键词： | 支持向量机;参数优化;遗传算法;粒子群算法 |
| 摘要： | 群智能算法是人们从生物行为中得到启发，与计算机技术相结合用于解决现实生活中遇到的复杂问题的方法，具有容易理解、易于实现等特点，已在很多领域得到了广泛应用，本文的研究是针对沙尘暴预测进行的，是对其应用领域的拓展。 沙尘暴的频繁发生给人类的生活和社会生产带来了巨大危害，沙尘暴的预测问题早就引起了研究者的关注，目前已出现了将支持向量机分类器应用到沙尘暴预测中的研究，但对支持向量机参数的选取仍停留在依靠经验手动调节的水平上，影响对沙尘暴预测的准确率。在以上研究背景下，本文首次将遗传算法、粒子群算法引入沙尘暴的预测模型——RBF核支持向量机参数优化过程中，对以遗传算法、粒子群算法为代表的群智能优化算法进行了进一步的研究。 本文所作的主要研究工作如下： 1.对遗传算法和粒子群算法进行了进一步的分析，并分别运用遗传算法和粒子群算法对支持向量机的参数进行了优化。仿真结果表明粒子群算法具有比遗传算法更好的性能。 2.对粒子群算法进行了收敛性分析，得出了使得算法收敛其参数之间满足的条件，在此基础上提出了粒子群算法的改进算法。针对粒子群算法容易陷入局部极值点的缺点，在迭代之初选用比较大的惯性权值，随着迭代的进行惯性权值线性减小，保证了算法在开始时进行的是全局搜索，在后期进行的是小范围的局部搜索。学习因子的设定在满足收敛条件的约束下进行。仿真结果表明：改进粒子群算法具有更好的全局收敛性，寻优准确率提高。 本文实现了运用智能优化方法对支持向量机的参数进行寻优，提高了沙尘暴预测的准确率，推动了群智能研究的发展。 |