• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)型人工魚群算法的支持向量機(jī)參數(shù)優(yōu)化

    2016-11-23 10:02:45馮曉琳雷印杰陳思羽
    關(guān)鍵詞:改進(jìn)型魚群正確率

    馮曉琳,寧 芊,雷印杰,陳思羽

    (四川大學(xué)電子信息學(xué)院,成都 610065)

    基于改進(jìn)型人工魚群算法的支持向量機(jī)參數(shù)優(yōu)化

    馮曉琳,寧芊,雷印杰,陳思羽

    (四川大學(xué)電子信息學(xué)院,成都610065)

    支持向量機(jī)在高維度、小樣本情況下具有獨(dú)特優(yōu)勢(shì),但同時(shí)支持向量機(jī)的參數(shù)優(yōu)化極大制約了其分類效果,目前參數(shù)優(yōu)化缺乏系統(tǒng)的理論指導(dǎo);針對(duì)傳統(tǒng)DAG-SVM訓(xùn)練分類器較多,訓(xùn)練耗時(shí)長(zhǎng),分類效果受到結(jié)構(gòu)排序的影響,提出了一種基于“1 vs R”策略的改進(jìn)型算法;針對(duì)SVM傳統(tǒng)參數(shù)優(yōu)化方式耗時(shí)大,優(yōu)化精度不高,提出了改進(jìn)型人工魚群算法;最后結(jié)合1 vs R-DAG支持向量機(jī)算法與改進(jìn)型人工魚群算法,得到一種新的改進(jìn)型支持向量機(jī)算法;仿真對(duì)比實(shí)驗(yàn)證實(shí),對(duì)支持向量機(jī)的參數(shù)優(yōu)化是有效可行的。

    支持向量機(jī);人工魚群算法;參數(shù)優(yōu)化;有向無環(huán)圖

    支持向量機(jī)(support vector machine,SVM)[1]是基于統(tǒng)計(jì)學(xué)習(xí)理論(statistical learning theory,SLT)的一種機(jī)器學(xué)習(xí)方法,其在應(yīng)用于分類問題時(shí),通過核函數(shù)將樣本從輸入空間映射到高維的特征空間,并在高維的特征空間中構(gòu)造問題的最優(yōu)分類超平面,實(shí)現(xiàn)了問題從低維空間向高維的推廣,同時(shí)也解決了維數(shù)災(zāi)難的問題。由于支持向量機(jī)有堅(jiān)實(shí)的理論基礎(chǔ)以及在小樣本分類,算法魯棒性等多方面的許多優(yōu)越性,因此吸引了國(guó)內(nèi)外許多科研人員的研究興趣,比較有影響與代表的研究有:粒度支持向量機(jī)(granular support vector machines,GSVM)[2]、模糊支持向量機(jī)(fuzzy support vector machines,F(xiàn)SVM)[35]、孿生支持向量機(jī)(twin support vector machines,TWSVMs)[69]、排序支持向量機(jī)(ranking support vector machines,RSVM)[1012]等。但是支持向量機(jī)的執(zhí)行效果很大程度上依賴于參數(shù)的設(shè)置,目前尚沒有統(tǒng)一有效的方法,常用的參數(shù)優(yōu)化方法主要有經(jīng)驗(yàn)選擇法、網(wǎng)格搜索法[1314]和群體智能優(yōu)化算法。

    人工魚群算法(artificial fish swarm algorithm,AFSA)是我國(guó)學(xué)者李曉磊[15]提出的一種模擬魚類覓食活動(dòng)的群智能算法。AFSA模擬魚群覓食,據(jù)群,追尾,隨機(jī)游動(dòng)基本行為,采用自下而上的思路進(jìn)行尋優(yōu),屬于基于行為的人工智能算法。目前,基于人工魚群算法的研究已經(jīng)滲透到多個(gè)應(yīng)用領(lǐng)域,并得到了很好的實(shí)際應(yīng)用,是群智能算法領(lǐng)域的研究熱點(diǎn)之一[16]。人工魚群算法具有收斂速度較快,魯棒性強(qiáng),對(duì)初始參數(shù)依賴性小,能快速收索到可行解范圍的優(yōu)點(diǎn),很適合求解精度要求不高的優(yōu)化問題[17]。但同時(shí),人工魚群算法也存在后期收斂性慢,求解精度有限兩個(gè)主要問題。

    本文主要對(duì)支持向量機(jī)與人工魚群算法進(jìn)行優(yōu)化與結(jié)合,研究了一種基于“一對(duì)多”分類策略的DAG-SVM算法,克服了傳統(tǒng)DAG-SVM算法模型訓(xùn)練耗時(shí)長(zhǎng),結(jié)構(gòu)排序隨機(jī)的不足。同時(shí)研究?jī)?yōu)化了一種人工魚群算法,克服了傳統(tǒng)人工魚群算法后期收斂性慢,耗時(shí)長(zhǎng)的缺陷。最后,結(jié)合優(yōu)化的人工魚群算法對(duì)基于“一對(duì)多”的DAG-SVM算法進(jìn)行參數(shù)優(yōu)化,并用于實(shí)際的故障模式識(shí)別項(xiàng)目。實(shí)驗(yàn)證實(shí),優(yōu)化后的算法在準(zhǔn)確性與時(shí)效性上有很大提高。

    1 支持向量機(jī)

    支持向量機(jī)算法(support vector machine,SVM)通過尋找使兩類樣本間隔最大的超平面[18]從而實(shí)現(xiàn)樣本分類問題(如圖1所示)。

    0 引言

    任意一個(gè)超平面可以表示為 (H為內(nèi)積空間):

    {(w·x)+b=0|x∈H,b∈R}(1)

    圖1 線性可分示意圖

    設(shè){x1,x2,x3,…,xl}為樣本特征向量,{y1,y2,y3,…,yl}為對(duì)應(yīng)的分類標(biāo)簽.且xi∈Rn,y∈{-1,1}。在線性可分的情況下,其最優(yōu)分類超平面對(duì)應(yīng)的二次規(guī)劃問題為:

    s.t.yi((w·xi)+b)≥1,i=1,2,3…l(3)

    在線性不可分的情況下,通過非線性映射將樣本集從低維空間映射到高維空間(ξi為非負(fù)松弛因子,C為懲戒參數(shù)),則問題轉(zhuǎn)化為:

    通過Lagrange乘數(shù)法求解最終所得的決策函數(shù)(αi(i= 1,2,3…l)為L(zhǎng)agrange系數(shù)):

    由于核函數(shù)在支持向量機(jī)分類效果中有決定性的作用,因此在利用支持向量機(jī)解決分類判別時(shí)的首要任務(wù)是選擇適當(dāng)?shù)暮撕瘮?shù)。目前,常用的核函數(shù)有:線性核(公式(8)),多項(xiàng)式核(公式 (9)),徑向基核(公式(10))與Sigmoid核 (公式 (11))。目前,核函數(shù)的選擇沒有明確的指導(dǎo)原則,一般利用“試探法”確定。

    公式(8)、(9)、(10)以及(11)中:參數(shù)a與b是常數(shù)項(xiàng),tanh代表雙曲正切函數(shù)。

    考慮到標(biāo)準(zhǔn)DAG-SVM需要的時(shí)間長(zhǎng)、分類器數(shù)目多、結(jié)果存在隨機(jī)性等不足,提出一種“1 vs R”DAG-SVM。圖2為其作拓?fù)浣Y(jié)構(gòu)。

    2 基于改進(jìn)型人工魚群算法的SVM參數(shù)優(yōu)化

    2.1人工魚群算法概述

    人工魚群算法(artificial fish swarm algorithm,AFSA)通過自下而上的尋優(yōu)模式進(jìn)行尋優(yōu),并通過種群間個(gè)體競(jìng)爭(zhēng)與協(xié)作來實(shí)現(xiàn)對(duì)問題最優(yōu)解的搜索。

    圖2 “1 vs R”-DAG-SVM結(jié)構(gòu)

    圖3 人工魚基本模型

    在圖3中,一條人工魚的當(dāng)前位置記為X(X=(x1,x2, x3…xn)),它的視覺長(zhǎng)度為Visual,每次能行動(dòng)的最大距離為Step,Xi(i=1,2,3…)代表其它人工魚。人工魚在期視野范圍內(nèi)隨機(jī)收索,Vnext(Vnext=(xv1,xv2,xv3…xvn))表示某時(shí)刻人工魚視點(diǎn)的位置,如果Vnext的事物濃度(函數(shù)值)大于X位置的食物濃度,那么人工魚下一步就向Vnext的向量方向移動(dòng),移動(dòng)后的位置記為Xnext。圖中,Vnext與Xnext的計(jì)算為公式(12)、(13)。其中,r是[-1,1]區(qū)間的隨機(jī)數(shù)。

    人工魚群算法主要包括覓食,聚群,追尾與隨機(jī)4種行為。人工魚群算法參數(shù)包括:人工魚群的規(guī)模N、人工魚視野感知距離Visual、人工魚的步長(zhǎng)Step、擁擠度因子δ、試探次數(shù)try_number。人工魚群算法尋優(yōu)的流程圖如圖4所示。

    2.2改進(jìn)型人工魚群算法介紹

    針對(duì)標(biāo)準(zhǔn)的人工魚群算法研究后發(fā)現(xiàn),算法中固定的參數(shù)會(huì)造成迭代后期過大的計(jì)算量,隨機(jī)行為的存在不利于計(jì)算后期全局最優(yōu)解的探索。改進(jìn)型人工魚群算法實(shí)行參數(shù)動(dòng)態(tài)化,引入?yún)?shù)動(dòng)態(tài)調(diào)節(jié)因子λ(0<λ<1),使Step、Visual參數(shù)能在迭代過程中動(dòng)態(tài)變化,并結(jié)合網(wǎng)格搜索。其流程如圖5所示。

    3 改進(jìn)型人工魚群算法的實(shí)驗(yàn)對(duì)比

    為探究改進(jìn)型人工魚群算法的有效性,本節(jié)進(jìn)行了兩組對(duì)比仿真實(shí)驗(yàn)。實(shí)驗(yàn)一主要對(duì)比了改進(jìn)型人工魚群算法與標(biāo)準(zhǔn)魚群算法在算法的優(yōu)化性能,時(shí)間性能,魯棒性能上的優(yōu)劣;實(shí)驗(yàn)二主要對(duì)比了網(wǎng)格法,交叉驗(yàn)證法,標(biāo)準(zhǔn)人工魚群算法與改進(jìn)型人工魚群算法對(duì)支持向量機(jī)參數(shù)尋優(yōu)的優(yōu)劣。

    優(yōu)化性能指標(biāo)[19]主要反映算法結(jié)果的精確度,一般用“相對(duì)誤差Em(公式 (14)、(14))”或 “最優(yōu)值標(biāo)準(zhǔn)差Dm(公

    圖4 人工魚群算法整體流程圖

    圖5 改進(jìn)型人工魚群算法流程圖

    式(15))”表示。

    公式(14)、(15)與(16)中:C*表示問題的理論最優(yōu)解,理論最優(yōu)解未知或無法求出時(shí)可由已知最優(yōu)解代替。公式(14)定義的是離線相對(duì)誤差,Cb代表算法運(yùn)算后得到的實(shí)際最優(yōu)值;公式(15)定義的是在線相對(duì)誤差,主要衡量算法的動(dòng)態(tài)最佳優(yōu)化度,其中Cb(k)代表算法運(yùn)行第k代時(shí)的最佳優(yōu)化值。公式(16)中,Cb,i代表算法重復(fù)運(yùn)算第i次后得到的實(shí)際最優(yōu)值。Em,Em(k),Dm越小說明算法的優(yōu)化性能,即精確度越好。為降低隨機(jī)性對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生的偏差影響,本節(jié)對(duì)比實(shí)驗(yàn)采用最優(yōu)值標(biāo)準(zhǔn)差Dm作為評(píng)價(jià)算法精度的指標(biāo),每組對(duì)比實(shí)驗(yàn)統(tǒng)一進(jìn)行5次測(cè)試,即公式(16)中n=5。

    時(shí)間性能指標(biāo)[19]主要反映算法的運(yùn)算速度,即算法對(duì)問題解的搜索快慢程度。時(shí)間性能指標(biāo)可以直接使用算法求解運(yùn)行的平均耗時(shí)表示(公式(17)),也可以利用運(yùn)算迭代次數(shù)(公式(18))作為衡量依據(jù)。

    公式(17)中,Ti代表算法第i次求解最優(yōu)值的耗時(shí)。公式(18)中,Ia代表算法多次運(yùn)行所得的滿足終止條件時(shí)的迭代步數(shù)平均值,Imax代表算法允許的最大迭代次數(shù),To代表算法中一步迭代的平均耗時(shí)。Imax一定時(shí),Es越小意味著算法收斂速度越快,即時(shí)效性越好。但是,在實(shí)際的算法迭代過程中,每一步的迭代耗時(shí)差異很大且精確統(tǒng)計(jì)也比較困難,因此使用公式(18)作為時(shí)間性能評(píng)價(jià)指標(biāo)可能出現(xiàn)很大偏差。考慮到公式(18)在定義上的缺陷與實(shí)際操作上引入的誤差干擾,本節(jié)對(duì)比實(shí)驗(yàn)采用算法求解運(yùn)行的平均耗時(shí)作為算法的時(shí)間性能指標(biāo),其中每組對(duì)比實(shí)驗(yàn)統(tǒng)一進(jìn)行5次測(cè)試,即公式(16)中n=5。

    魯棒性能指標(biāo)[19]主要反映算法的可靠性,一般用均方差(公式(19))表示。其中,Ci代表算法第i次運(yùn)行的值,ˉC表示算法n次運(yùn)行的評(píng)價(jià)值。Ef越小說明算法的魯棒性(或可靠性)越高。

    在仿真對(duì)比實(shí)驗(yàn)一中主要對(duì)比了標(biāo)準(zhǔn)人工魚群算法與改進(jìn)型人工魚群算法之間的算法優(yōu)化性能,魯棒性能與時(shí)間性能。仿真實(shí)驗(yàn)選擇了十組有確定最大值的函數(shù)作為目標(biāo)函數(shù),并使用數(shù)學(xué)手段求解了相應(yīng)的最大值最為評(píng)估參考(即表5中:理論最值)。為保證仿真對(duì)比實(shí)驗(yàn)的有效性,仿真對(duì)比實(shí)驗(yàn)一中的參數(shù)統(tǒng)一設(shè)置如表1。由于人工魚群算法中隨機(jī)行為的存在,為盡可能的減小其影響,每組仿真對(duì)比采用5次重復(fù)實(shí)驗(yàn)取平均值的方式進(jìn)行,最終結(jié)果記錄在表2中。

    表1 仿真實(shí)驗(yàn)一參數(shù)設(shè)置表

    從算法性能仿真對(duì)比實(shí)驗(yàn)結(jié)果(表2)中數(shù)據(jù)分析可知:由于改進(jìn)型人工魚群算法實(shí)行了參數(shù)動(dòng)態(tài)設(shè)置并加入了局部網(wǎng)格搜索,相對(duì)于標(biāo)準(zhǔn)人工魚群算法其優(yōu)化的結(jié)果更接近理論最值,優(yōu)化性能參數(shù)與魯棒性參數(shù)都更?。辉跁r(shí)間性能方面,由于改進(jìn)型人工魚群算法加入了“迭代自適應(yīng)機(jī)制”,其優(yōu)化耗時(shí)明顯小于標(biāo)準(zhǔn)算法,算法時(shí)效性得到很大提升。

    表2 算法性能仿真對(duì)比實(shí)驗(yàn)表

    為進(jìn)一步探究改進(jìn)型人工魚群算法在支持向量機(jī)參數(shù)優(yōu)化中的效果,進(jìn)行了支持向量機(jī)參數(shù)優(yōu)化對(duì)比仿真實(shí)驗(yàn)二。仿真實(shí)驗(yàn)二中對(duì)比了支持向量機(jī)參數(shù)優(yōu)化常見的網(wǎng)格法,五折交叉驗(yàn)證法,標(biāo)準(zhǔn)人工魚群優(yōu)化法以及本文研究的改進(jìn)型人工魚群優(yōu)化法。為保證實(shí)驗(yàn)對(duì)比的有效性,在對(duì)比仿真實(shí)驗(yàn)中SVM函數(shù)統(tǒng)一用Libsvm官網(wǎng)提供的libsvm-3.20程序包中提供的函數(shù),核函數(shù)統(tǒng)一選擇為RBF,其它相應(yīng)的參數(shù)設(shè)置如表3所示。

    表3 仿真實(shí)驗(yàn)二參數(shù)設(shè)置表

    對(duì)比實(shí)驗(yàn)針對(duì)支持向量機(jī)的gamma,C參數(shù)進(jìn)行優(yōu)化:為保證優(yōu)化范圍的統(tǒng)一,網(wǎng)格法、五折交叉驗(yàn)證法、AFSA與IAFSA的優(yōu)化搜索范圍統(tǒng)一設(shè)置為gamma∈[0.01,10],C∈[0.01,10]。對(duì)比實(shí)驗(yàn)一共設(shè)置了五組不同的數(shù)據(jù),其數(shù)據(jù)詳細(xì)情況如表4所示。

    在對(duì)比實(shí)驗(yàn)中,每組數(shù)據(jù)進(jìn)行五次重復(fù)實(shí)驗(yàn)。其中算法優(yōu)化時(shí)間(表5)中數(shù)據(jù)為五次實(shí)驗(yàn)的平均值,優(yōu)化值、判別正確率與評(píng)估正確率取五次實(shí)驗(yàn)中評(píng)估正確率最大的一組,實(shí)驗(yàn)結(jié)果記錄在表6、表7中。

    表4 仿真實(shí)驗(yàn)二數(shù)據(jù)表

    表5 仿真實(shí)驗(yàn)二優(yōu)化時(shí)間

    表6 仿真實(shí)驗(yàn)二優(yōu)化值

    表7 仿真實(shí)驗(yàn)二優(yōu)化對(duì)比

    通過分析實(shí)驗(yàn)數(shù)據(jù)可知:網(wǎng)格法在小樣本數(shù)據(jù)的優(yōu)化方面耗時(shí)最短,但優(yōu)化產(chǎn)生的評(píng)估正確率和判別正確率間相差較大,優(yōu)化得到的參數(shù)的判別正確率較低,且在數(shù)據(jù)較大的情況下耗時(shí)大于改進(jìn)型人工魚群算法;五折交叉驗(yàn)證算法相對(duì)于網(wǎng)格法,其評(píng)估正確率更接近判別正確率,但算法的耗時(shí)相對(duì)網(wǎng)格法成倍增加,在四類方法中耗時(shí)較大,不適用于大數(shù)據(jù)情況,且最終的判別正確率普遍小于AFSA與IAFSA;AFSA相對(duì)于網(wǎng)格法與五折交叉驗(yàn)證算法得到的評(píng)估正確率與判別正確率普遍更高,即優(yōu)化精度更高,但AFSA耗時(shí)在4種方法中普遍最高,同樣不適用于大數(shù)據(jù);IAFSA耗時(shí)接近網(wǎng)格法,且在大數(shù)據(jù)環(huán)境中耗時(shí)最低,是4種方法中適合大數(shù)據(jù)環(huán)境的一種。在優(yōu)化精度方面,IAFSA普遍的評(píng)估正確率和判別正確率高于其它3類。整體上來說,IAFSA是一種具備良好時(shí)效性能與優(yōu)化性能的算法,適合對(duì)支持向量機(jī)的參數(shù)優(yōu)化。

    4 結(jié)論

    本文主要對(duì)支持向量機(jī)算法以及人工魚群算法進(jìn)行了研究與改進(jìn),提出了一種混合算法——I-DAG-SVM算法,并運(yùn)用仿真實(shí)驗(yàn)來驗(yàn)證算法優(yōu)化性能。本文取得的主要成果有:

    1)針對(duì)標(biāo)準(zhǔn)DAG-SVM算法需要訓(xùn)練的分類器數(shù)量多,耗時(shí)長(zhǎng),結(jié)構(gòu)排序隨機(jī)的不足,提出了 “1 vs R”DAG-SVM算法。

    2)針對(duì)AFSA后期收斂速度慢,優(yōu)化精度不高的弊端,對(duì)標(biāo)準(zhǔn)算法進(jìn)行了優(yōu)化,通過引入?yún)?shù)自適應(yīng),迭代自終止機(jī)制,有效提高了AFSA的收斂速度;加入局部遍歷算法,提高了AFSA的精度。

    3)將1 vs R-DAG-SVM算法與IAFSA算法結(jié)合,提出IDAG-SVM算法,利用其優(yōu)化SVM參數(shù)對(duì)UCI官方網(wǎng)站的分類測(cè)試數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證實(shí)了算法在SVM參數(shù)優(yōu)化中的有效性和可行性。

    [1]Vapnik V.The nature of statistical learning theory[M].New York:Wiley,1998.

    [2]Tang Yuchun,Jin Bo,Zhang Yanqing et al.Granular support vector machines for medical binary classification problems[A].Proceedings of the IEEE CIBIB[C].Piscataway,HJ:IEEE Computational Intelligence Society,2004:73-78.

    [3]Lin C F,Wang S D.Fuzzy support vector machines[J].IEEE Transactions on Neural Networks,2002,3(2):464-471.

    [4]張貴香,費(fèi)嵐,杜徐,等.基于類內(nèi)超平面的模糊支持向量機(jī)[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,12(29):3177-3178.

    [5]李苗苗,向鳳紅,劉新旺.一種新穎隸屬度函數(shù)的模糊支持向量機(jī)[J].計(jì)算機(jī)工程與科學(xué),2009,31(9):92-94.

    [6]Jayadcva R,Khemchandani S C.Twin support vector machines for pattern classification[J].IEEE Trans On Pattern Analysis and Machine Intelligence,2007,29(5):905-910.

    [7]Arun K M,Gopal M.Least squares twin support vector machines for pattern classification[J].Expert Systems with Applications,2009,36:7535-7543.

    [8]Zhang X S.Boosting twin support vector machine approach for MCs detection[A].Proceedings of Asia Pacific Conference on Infor mation Processing[C].Shenzhen:[s.n.],2009,46:149-152.

    [9]Peng X J.Aν-twin support vector machine(ν-TSVM)classifier and its geometric algorithms[J].Information Sciences,2010,180(20):3863-3875.

    [10]Joachims T.Optimizing Search engines using click through data[A].Proceedings of the eighth ACM SIGKDD International Conference on Knowledge Discovery And Data Mining[C].New York,USA:ACM,2002,133-142.

    [11]Cao Yunbo,Xu Jun,Liu Tieyan,et al.Adapting ranking SVM to document retrieval[A].Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval[C].New York,USA:ACM,2006,186 193.

    [12]Nguyen T,Ngo A V,Nguyen H V,et al.Probabilistic ranking support vector machine[A].Advances in Neural Networks-ISNN 2009.Berlin:Springer,2009[C].345-353.

    [13]郭超,宋衛(wèi)華,魏威.基于網(wǎng)格搜索支持向量機(jī)的采場(chǎng)頂板穩(wěn)定性預(yù)測(cè)[J].中國(guó)安全科學(xué)學(xué)報(bào),2014,24(8):31-36.

    [14]李清毅,周吳,林阿平,等.基于網(wǎng)格搜索和支持向量機(jī)的灰熔點(diǎn)預(yù)測(cè) [J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),201l,45(12):2181-2187.

    [15]李曉磊.一種新型的智能優(yōu)化方法——人工魚群算法[D].杭州:浙江大學(xué),2003.

    [16]鄒康,劉婷,鮑韋韋,等.人工魚群算法研究綜述[J].山西電子計(jì)術(shù),2012,2(2):1674-4578.

    [17]陳廣洲,汪家權(quán),李傳軍,等.一種改進(jìn)的人工魚群算法及其應(yīng)用 [J].系統(tǒng)工程,2009,27(12):105-110.

    [18]肖曉,張敏.支持向量機(jī)多分類問題研究[J].淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,23(3):28-31.

    [19]譚明交,張宏梅,呂艷秋.群體智能算法及其性能評(píng)價(jià)指標(biāo)研究[J].計(jì)算機(jī)與數(shù)字工程,2008,8(36):10-12.

    Support Vector Machine Parameter Optimization Based on Improved Artificial Fish Swarm Algorithm

    Feng Xiaolin,Ning Qian,Lei Yinjie,Chen Siyu
    (College of Electronics And Information Engineering,Sichuan University,Chengdu610065,China)

    Support vector machine(SVM)algorithm has much more advantages than other classify algorithm under high-dimensional,small sample and multi-class situation.But at the same time,the parameters optimization has been one of the main factors restricting SVM effect and there is no clear theory to guide it.For original DAG-SVM algorithm's long time cost and randomness,an improved algorithm has been proposed;For traditional SVM parameter optimization's large time consuming and unsatisfactory results,an improved artificial fish swarm algorithm has been proposed;Finally,an improved support vector machine algorithm combined 1vsR-DAG-SVM and IAFSA has been proposed.Simulation experiments confirm that the SVM parameter optimization proposed in this paper is feasible and effective.

    support vector machine;artificial fish swarm algorithm;parameter optimization;directed acyclic graph

    1671-4598(2016)05-0237-05

    10.16526/j.cnki.11-4762/tp.2016.05.067

    TP181

    A

    2015-11-24;

    2016-01-04。

    國(guó)家自然科學(xué)基金項(xiàng)目(61403265)。

    馮曉琳(1990-),女,山西省呂梁市,碩士研究生,主要從事智能控制方向的研究。

    猜你喜歡
    改進(jìn)型魚群正確率
    Cr5改進(jìn)型支承輥探傷無底波原因分析
    門診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
    改進(jìn)型CKF算法及其在GNSS/INS中的應(yīng)用
    魚群漩渦
    中外文摘(2017年19期)2017-10-10 08:28:41
    生意
    品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
    生意
    基于改進(jìn)魚群優(yōu)化支持向量機(jī)的短期風(fēng)電功率預(yù)測(cè)
    基于人工魚群算法的光伏陣列多峰MPPT控制策略
    改進(jìn)型逆變器無效開關(guān)死區(qū)消除方法
    国产在线视频一区二区| 日韩中文字幕欧美一区二区 | 国产男人的电影天堂91| 一级毛片我不卡| 国产欧美日韩一区二区三区在线| 视频区欧美日本亚洲| 欧美日韩视频精品一区| 亚洲 欧美一区二区三区| 国产精品免费视频内射| 国产午夜精品一二区理论片| 1024视频免费在线观看| 国产人伦9x9x在线观看| 国产精品国产三级国产专区5o| 国产真人三级小视频在线观看| 欧美日韩亚洲综合一区二区三区_| 日韩伦理黄色片| 青青草视频在线视频观看| 下体分泌物呈黄色| 国产精品麻豆人妻色哟哟久久| 亚洲中文av在线| 麻豆国产av国片精品| 青春草亚洲视频在线观看| 国产精品一区二区精品视频观看| 国产主播在线观看一区二区 | 一级黄片播放器| 欧美黑人精品巨大| 汤姆久久久久久久影院中文字幕| 欧美大码av| 国产精品免费视频内射| 91麻豆精品激情在线观看国产 | 亚洲国产欧美在线一区| 午夜福利影视在线免费观看| av在线app专区| 国产成人精品在线电影| 欧美黄色淫秽网站| 一级毛片我不卡| 国产在线一区二区三区精| 十八禁网站网址无遮挡| 久久精品久久久久久噜噜老黄| 黄色a级毛片大全视频| 亚洲中文字幕日韩| 午夜福利,免费看| 18在线观看网站| 国产人伦9x9x在线观看| 免费在线观看影片大全网站 | 国产精品免费大片| 亚洲专区国产一区二区| 深夜精品福利| 午夜av观看不卡| 青春草亚洲视频在线观看| 侵犯人妻中文字幕一二三四区| 午夜福利乱码中文字幕| 久久99精品国语久久久| 青春草亚洲视频在线观看| 国产视频一区二区在线看| 精品一品国产午夜福利视频| 大香蕉久久成人网| 久久国产亚洲av麻豆专区| 天天躁夜夜躁狠狠躁躁| 久久国产精品大桥未久av| 久久久精品国产亚洲av高清涩受| 国产av国产精品国产| 一级黄片播放器| 午夜福利一区二区在线看| 精品福利永久在线观看| 亚洲精品国产色婷婷电影| 久久国产精品影院| 久久精品国产亚洲av涩爱| 美女主播在线视频| 最近手机中文字幕大全| avwww免费| 天天躁夜夜躁狠狠久久av| svipshipincom国产片| 国产精品久久久久久精品电影小说| 一区福利在线观看| 超色免费av| 青青草视频在线视频观看| 啦啦啦啦在线视频资源| 黄色视频不卡| 爱豆传媒免费全集在线观看| 国产精品免费视频内射| 久久毛片免费看一区二区三区| 日韩一本色道免费dvd| 激情五月婷婷亚洲| 欧美成人精品欧美一级黄| 国产精品九九99| 国产国语露脸激情在线看| 男男h啪啪无遮挡| 嫩草影视91久久| 午夜福利在线免费观看网站| 啦啦啦在线观看免费高清www| 美女国产高潮福利片在线看| 亚洲久久久国产精品| 日本色播在线视频| 女人爽到高潮嗷嗷叫在线视频| 国产精品麻豆人妻色哟哟久久| 99国产精品一区二区蜜桃av | 十八禁高潮呻吟视频| 精品国产一区二区三区久久久樱花| 国产成人免费观看mmmm| 在线 av 中文字幕| 久久亚洲国产成人精品v| 亚洲人成电影观看| 久久人人爽av亚洲精品天堂| 丝瓜视频免费看黄片| 亚洲av日韩精品久久久久久密 | 亚洲成人免费电影在线观看 | 久久精品国产综合久久久| 丝袜喷水一区| 欧美日韩成人在线一区二区| 9191精品国产免费久久| 一区二区日韩欧美中文字幕| 日韩伦理黄色片| 久久精品国产综合久久久| 国产精品久久久av美女十八| 国产精品成人在线| 日本av手机在线免费观看| 久久久久久久大尺度免费视频| 90打野战视频偷拍视频| 夫妻午夜视频| 少妇粗大呻吟视频| 国产成人精品久久二区二区91| 久久久精品94久久精品| 男人舔女人的私密视频| 王馨瑶露胸无遮挡在线观看| 美女午夜性视频免费| 视频在线观看一区二区三区| 亚洲色图综合在线观看| 97在线人人人人妻| 十八禁人妻一区二区| 日本av手机在线免费观看| 韩国精品一区二区三区| 国产精品九九99| 桃花免费在线播放| 狂野欧美激情性bbbbbb| 中文字幕人妻丝袜一区二区| 一本色道久久久久久精品综合| 五月天丁香电影| 热99久久久久精品小说推荐| 女警被强在线播放| 精品卡一卡二卡四卡免费| 国产日韩欧美在线精品| 这个男人来自地球电影免费观看| 亚洲,一卡二卡三卡| 精品亚洲乱码少妇综合久久| 肉色欧美久久久久久久蜜桃| 两个人看的免费小视频| 日本91视频免费播放| 老鸭窝网址在线观看| 在线观看国产h片| 国产一级毛片在线| 大型av网站在线播放| 亚洲av电影在线观看一区二区三区| 在线亚洲精品国产二区图片欧美| 男女下面插进去视频免费观看| 中文字幕最新亚洲高清| 国产野战对白在线观看| 久久精品亚洲av国产电影网| 美国免费a级毛片| 国产主播在线观看一区二区 | 国产日韩欧美亚洲二区| 一区二区三区精品91| 午夜福利视频精品| 久热这里只有精品99| 制服诱惑二区| av电影中文网址| 赤兔流量卡办理| 最黄视频免费看| 欧美 亚洲 国产 日韩一| 久久久精品免费免费高清| 男人操女人黄网站| 老司机亚洲免费影院| 国产91精品成人一区二区三区 | 嫁个100分男人电影在线观看 | 免费女性裸体啪啪无遮挡网站| 日本猛色少妇xxxxx猛交久久| 另类精品久久| 亚洲av日韩在线播放| 久久国产精品人妻蜜桃| 无遮挡黄片免费观看| 一级,二级,三级黄色视频| 国产av国产精品国产| 搡老岳熟女国产| 国产精品偷伦视频观看了| netflix在线观看网站| 欧美黑人精品巨大| 老司机午夜十八禁免费视频| 国产精品国产三级国产专区5o| 久久久国产精品麻豆| 一级片'在线观看视频| 老汉色∧v一级毛片| 黑丝袜美女国产一区| √禁漫天堂资源中文www| 中文字幕亚洲精品专区| 亚洲欧美一区二区三区黑人| 脱女人内裤的视频| 精品人妻在线不人妻| 婷婷色综合大香蕉| 精品福利观看| 日韩熟女老妇一区二区性免费视频| 一级片'在线观看视频| 国产无遮挡羞羞视频在线观看| 色94色欧美一区二区| 亚洲综合色网址| 老司机靠b影院| 国产亚洲精品久久久久5区| 制服人妻中文乱码| 日韩视频在线欧美| 又大又黄又爽视频免费| 丰满饥渴人妻一区二区三| 色网站视频免费| 成人影院久久| 亚洲国产看品久久| 精品国产一区二区久久| 国产精品国产三级国产专区5o| 亚洲成色77777| 国产片内射在线| 嫩草影视91久久| 天天躁夜夜躁狠狠久久av| 在线观看免费高清a一片| 天天影视国产精品| 18禁黄网站禁片午夜丰满| 97人妻天天添夜夜摸| 精品人妻熟女毛片av久久网站| 久久久久国产一级毛片高清牌| 老汉色∧v一级毛片| 精品国产一区二区三区久久久樱花| 国产高清videossex| 黑人巨大精品欧美一区二区蜜桃| 两性夫妻黄色片| 美国免费a级毛片| 亚洲,欧美,日韩| 精品久久蜜臀av无| 看免费av毛片| 亚洲欧美色中文字幕在线| 麻豆av在线久日| 丰满少妇做爰视频| 美女高潮到喷水免费观看| 777米奇影视久久| 中文字幕制服av| 人成视频在线观看免费观看| 一区二区三区乱码不卡18| 亚洲成人国产一区在线观看 | 亚洲国产成人一精品久久久| 麻豆av在线久日| 一级毛片我不卡| 亚洲久久久国产精品| 可以免费在线观看a视频的电影网站| 老汉色∧v一级毛片| 交换朋友夫妻互换小说| 亚洲精品国产av成人精品| 高清视频免费观看一区二区| √禁漫天堂资源中文www| 精品人妻一区二区三区麻豆| 欧美日韩一级在线毛片| 国产精品免费视频内射| 亚洲一码二码三码区别大吗| 最近手机中文字幕大全| 久久精品人人爽人人爽视色| 中国国产av一级| 久久国产精品男人的天堂亚洲| 欧美日韩福利视频一区二区| 亚洲欧美中文字幕日韩二区| 久久人妻福利社区极品人妻图片 | 色网站视频免费| 精品一区二区三区av网在线观看 | 91字幕亚洲| 亚洲国产欧美一区二区综合| 国产在视频线精品| 岛国毛片在线播放| 午夜免费鲁丝| 黄片小视频在线播放| 777米奇影视久久| 好男人电影高清在线观看| 国产精品偷伦视频观看了| 欧美 亚洲 国产 日韩一| 视频区欧美日本亚洲| 亚洲欧洲精品一区二区精品久久久| 飞空精品影院首页| 亚洲五月婷婷丁香| 一二三四在线观看免费中文在| 国产熟女欧美一区二区| 丰满少妇做爰视频| 国产成人精品在线电影| 高潮久久久久久久久久久不卡| 男女无遮挡免费网站观看| 亚洲伊人久久精品综合| 国产高清视频在线播放一区 | 免费av中文字幕在线| 午夜福利视频在线观看免费| 久久这里只有精品19| 婷婷色av中文字幕| 国产成人影院久久av| 老司机影院成人| 天天添夜夜摸| 亚洲av片天天在线观看| 美女高潮到喷水免费观看| 久久国产精品人妻蜜桃| av视频免费观看在线观看| 成年女人毛片免费观看观看9 | 汤姆久久久久久久影院中文字幕| 男人爽女人下面视频在线观看| 成人亚洲欧美一区二区av| 国产99久久九九免费精品| kizo精华| 国产精品一区二区在线不卡| 久热这里只有精品99| 精品久久蜜臀av无| 天天躁狠狠躁夜夜躁狠狠躁| 日本wwww免费看| 欧美成人精品欧美一级黄| 嫁个100分男人电影在线观看 | av网站免费在线观看视频| 精品久久久精品久久久| videosex国产| 国产成人a∨麻豆精品| 老汉色av国产亚洲站长工具| 天堂8中文在线网| 蜜桃在线观看..| 久久久国产一区二区| 无遮挡黄片免费观看| 久久久精品国产亚洲av高清涩受| 性色av一级| 久久精品成人免费网站| 侵犯人妻中文字幕一二三四区| 国产成人精品久久二区二区91| 99九九在线精品视频| 女人久久www免费人成看片| 国产精品一区二区免费欧美 | 久久精品成人免费网站| 水蜜桃什么品种好| 久久久亚洲精品成人影院| 咕卡用的链子| 丝袜美腿诱惑在线| 一本久久精品| 精品免费久久久久久久清纯 | 黄频高清免费视频| 免费在线观看视频国产中文字幕亚洲 | 日韩视频在线欧美| 中文字幕色久视频| 天天躁狠狠躁夜夜躁狠狠躁| 爱豆传媒免费全集在线观看| 午夜福利视频在线观看免费| 国产成人91sexporn| 嫩草影视91久久| 操出白浆在线播放| 妹子高潮喷水视频| 如日韩欧美国产精品一区二区三区| 欧美日韩精品网址| 天天躁夜夜躁狠狠久久av| 不卡av一区二区三区| 一级毛片黄色毛片免费观看视频| 91精品伊人久久大香线蕉| 国产精品九九99| 黄色怎么调成土黄色| 欧美人与善性xxx| 国产日韩一区二区三区精品不卡| 欧美老熟妇乱子伦牲交| 亚洲情色 制服丝袜| 久久亚洲国产成人精品v| 成人影院久久| 亚洲,欧美,日韩| 国产精品一区二区在线不卡| kizo精华| 欧美日韩视频高清一区二区三区二| 国产精品国产av在线观看| 男女高潮啪啪啪动态图| 午夜免费男女啪啪视频观看| av天堂久久9| 80岁老熟妇乱子伦牲交| 男女高潮啪啪啪动态图| 欧美激情 高清一区二区三区| 制服人妻中文乱码| 免费在线观看完整版高清| 在线观看国产h片| 午夜免费男女啪啪视频观看| www.熟女人妻精品国产| 久久亚洲精品不卡| 久久ye,这里只有精品| 久久久精品免费免费高清| 国产精品 欧美亚洲| 国产淫语在线视频| 又粗又硬又长又爽又黄的视频| 美女午夜性视频免费| 成人国产av品久久久| 青春草亚洲视频在线观看| 久久精品熟女亚洲av麻豆精品| 日韩中文字幕视频在线看片| 国产精品香港三级国产av潘金莲 | 成年人免费黄色播放视频| 精品少妇久久久久久888优播| 在线精品无人区一区二区三| 在线观看免费高清a一片| 日韩熟女老妇一区二区性免费视频| 中文字幕av电影在线播放| 成人亚洲精品一区在线观看| 亚洲欧美一区二区三区久久| 中文字幕另类日韩欧美亚洲嫩草| 欧美国产精品va在线观看不卡| cao死你这个sao货| 又紧又爽又黄一区二区| 成人黄色视频免费在线看| 欧美亚洲日本最大视频资源| 又大又黄又爽视频免费| 波多野结衣av一区二区av| 久久久久视频综合| 少妇被粗大的猛进出69影院| 9色porny在线观看| 女性生殖器流出的白浆| 女人爽到高潮嗷嗷叫在线视频| 肉色欧美久久久久久久蜜桃| 成年人午夜在线观看视频| 日韩人妻精品一区2区三区| 亚洲专区国产一区二区| 亚洲天堂av无毛| 在线亚洲精品国产二区图片欧美| 七月丁香在线播放| 男人添女人高潮全过程视频| 多毛熟女@视频| 国产不卡av网站在线观看| 欧美日韩视频高清一区二区三区二| 精品少妇黑人巨大在线播放| 王馨瑶露胸无遮挡在线观看| 天堂中文最新版在线下载| 9热在线视频观看99| 日韩人妻精品一区2区三区| 一级a爱视频在线免费观看| 国产黄频视频在线观看| 丝袜在线中文字幕| 99热网站在线观看| 久久狼人影院| 青青草视频在线视频观看| 黄色一级大片看看| 亚洲自偷自拍图片 自拍| 亚洲一码二码三码区别大吗| 国产精品一二三区在线看| 最黄视频免费看| 日韩制服丝袜自拍偷拍| 国产成人欧美在线观看 | 亚洲精品av麻豆狂野| 亚洲成色77777| 99九九在线精品视频| 国产熟女欧美一区二区| 美女国产高潮福利片在线看| 久久性视频一级片| 亚洲图色成人| 熟女少妇亚洲综合色aaa.| 日韩欧美一区视频在线观看| 我的亚洲天堂| 夫妻性生交免费视频一级片| 亚洲国产精品成人久久小说| 久久99精品国语久久久| 免费在线观看视频国产中文字幕亚洲 | 国产三级黄色录像| 欧美乱码精品一区二区三区| 纵有疾风起免费观看全集完整版| 亚洲精品在线美女| 久久这里只有精品19| 巨乳人妻的诱惑在线观看| 多毛熟女@视频| 中文字幕人妻丝袜一区二区| 午夜日韩欧美国产| 人成视频在线观看免费观看| 精品少妇一区二区三区视频日本电影| 一区在线观看完整版| 亚洲图色成人| www.精华液| 亚洲男人天堂网一区| 大片免费播放器 马上看| 黄频高清免费视频| 亚洲中文字幕日韩| 少妇人妻 视频| 国产真人三级小视频在线观看| 又粗又硬又长又爽又黄的视频| 天天躁狠狠躁夜夜躁狠狠躁| 首页视频小说图片口味搜索 | 视频区图区小说| 另类精品久久| 日韩制服骚丝袜av| 美女中出高潮动态图| 久久综合国产亚洲精品| 午夜福利在线免费观看网站| 欧美精品亚洲一区二区| 中文欧美无线码| 亚洲欧美激情在线| 久久99精品国语久久久| 18禁观看日本| 国产精品人妻久久久影院| 人妻 亚洲 视频| 成人影院久久| 五月开心婷婷网| 在现免费观看毛片| 欧美日韩视频精品一区| 国产亚洲精品第一综合不卡| 成人影院久久| 99re6热这里在线精品视频| 亚洲国产最新在线播放| 国产精品 国内视频| 欧美日韩亚洲高清精品| 成年女人毛片免费观看观看9 | 多毛熟女@视频| 国产欧美日韩精品亚洲av| 咕卡用的链子| 最新的欧美精品一区二区| 国产爽快片一区二区三区| 久久久久视频综合| 深夜精品福利| 一区二区三区乱码不卡18| 亚洲精品日韩在线中文字幕| 亚洲 国产 在线| 午夜久久久在线观看| 精品人妻熟女毛片av久久网站| 中文字幕精品免费在线观看视频| 国产成人影院久久av| 亚洲精品一区蜜桃| svipshipincom国产片| 国产亚洲欧美在线一区二区| 国产老妇伦熟女老妇高清| 久久性视频一级片| 日韩制服丝袜自拍偷拍| 欧美中文综合在线视频| 女人久久www免费人成看片| 色婷婷久久久亚洲欧美| 亚洲一卡2卡3卡4卡5卡精品中文| 国产在线观看jvid| 看免费av毛片| 亚洲国产精品一区二区三区在线| 老司机靠b影院| 可以免费在线观看a视频的电影网站| 亚洲国产精品999| netflix在线观看网站| 久久精品成人免费网站| 久久人人97超碰香蕉20202| 男女边吃奶边做爰视频| 90打野战视频偷拍视频| 国产黄色视频一区二区在线观看| 午夜老司机福利片| 日韩电影二区| 黄色毛片三级朝国网站| 亚洲黑人精品在线| 韩国精品一区二区三区| 免费久久久久久久精品成人欧美视频| 女性生殖器流出的白浆| 亚洲国产精品成人久久小说| 18禁黄网站禁片午夜丰满| 美女中出高潮动态图| 日日爽夜夜爽网站| 交换朋友夫妻互换小说| 韩国精品一区二区三区| 成人三级做爰电影| 国产精品.久久久| 丝袜脚勾引网站| 亚洲人成电影免费在线| 日韩欧美一区视频在线观看| 真人做人爱边吃奶动态| 又大又爽又粗| 国产野战对白在线观看| 人人妻人人添人人爽欧美一区卜| 久久人妻熟女aⅴ| 悠悠久久av| 啦啦啦在线观看免费高清www| 亚洲国产日韩一区二区| 日韩 亚洲 欧美在线| 亚洲欧美成人综合另类久久久| 成年动漫av网址| 精品一区二区三区av网在线观看 | 久久久精品免费免费高清| 国产1区2区3区精品| 日韩av在线免费看完整版不卡| 99久久人妻综合| 国产日韩一区二区三区精品不卡| 美女脱内裤让男人舔精品视频| 热re99久久精品国产66热6| 可以免费在线观看a视频的电影网站| 亚洲国产精品999| 欧美精品啪啪一区二区三区 | 爱豆传媒免费全集在线观看| 99国产精品免费福利视频| 曰老女人黄片| 精品国产一区二区久久| 亚洲国产精品999| www日本在线高清视频| 亚洲色图 男人天堂 中文字幕| 欧美97在线视频| 黄色毛片三级朝国网站| 汤姆久久久久久久影院中文字幕| 国产成人系列免费观看| 啦啦啦中文免费视频观看日本| 日韩av不卡免费在线播放| 97在线人人人人妻| 久久人人爽av亚洲精品天堂| cao死你这个sao货| 精品亚洲乱码少妇综合久久| 黑人欧美特级aaaaaa片| 99国产精品一区二区蜜桃av | 日本猛色少妇xxxxx猛交久久| 成人免费观看视频高清| 亚洲中文字幕日韩| 午夜激情久久久久久久| 看十八女毛片水多多多| 韩国高清视频一区二区三区| 一级片'在线观看视频| 亚洲av日韩精品久久久久久密 | 天天躁夜夜躁狠狠久久av| 亚洲国产精品国产精品| 国产精品一区二区免费欧美 | 男女国产视频网站| 国产熟女欧美一区二区| 纯流量卡能插随身wifi吗| av一本久久久久| 亚洲欧美一区二区三区黑人| 好男人电影高清在线观看| 欧美大码av| 人成视频在线观看免费观看| 乱人伦中国视频|