⛄一、人工蜂群算法优化最小二乘支持向量机LSSVM简介
1 最小二乘支持向量机
最小二乘支持向量机是支持向量机的一种改进算法[9,10],它将SVM算法中的不等式约束转化为等式约束,采用最小二乘线性系统作为损失函数代替支持向量机所采用的二次规划方法,以下介绍了该方法的基本原理。
式(6)中取不同的核函数就生成不同的支持向量机(图1),目前使用最多的核函数主要有多项式核函数、线性核函数、径向基核函数(RBF)。由于RBF核函数结构简单,泛化能力强,这样需要优化的参数最少,只有核参数σ和正规化参数γ。
图1 支持向量机模型
2 人工蜂群算法
ABC算法中,由食物源位置代表优化问题的解,以此来寻找最优解[11,12]。蜂群具有3种类型的工蜂: 采蜜蜂、跟随蜂和侦察蜂。专业工蜂专门进行采集,守望蜂等待在蜂巢中观看同伴表演的摇摆舞,侦察蜂进行随机搜索。其中,专业工蜂和守望蜂的数量相等,都等于食物源的数量SN。每个解xi(i=1,2,…,SN)是一个D维的列向量,D代表优化参数的个数。经初始化后,蜜蜂开始进行循环搜索,当蜜蜂搜索到新解的适应度高于旧解的适应度,则采蜜蜂会记住自己新的解。跟随蜂会根据这些解的可能值Pi进行搜索,如果搜索到的解被更新,则侦查蜂就会放弃原来的解,用新的解来代替。
采蜜蜂根据当前位置进行新解的搜索,可以根据下式:
【LSSVM回归预测】人工蜂群算法优化最小二乘支持向量机LSSVM数据回归预测【含Matlab源码 2213期】
