摘要
作为一种新的机器学习方法,支持向量机的参数选择没有一个统一的模式和标准。为了克服这一缺点,对遗传算法进行改进,构造一种混沌云自适应模拟退火遗传算法(CCASAGA)对支持向量机回归参数进行优化。该算法将混沌优化、基于云模型的自适应控制机制和模拟退火的Metropolis准则结合起来,并采取精英保持策略加快算法的收敛速度。利用改进后的CCASAGA-SVR预测模型对某股份制银行ATM机现金需求进行预测,并引入GA-SVR模型和BP神经网络模型进行对比,从而证实该预测模型具有更高的预测精度。
学科与关键词
关键词
遗传算法支持向量机BP神经网络预测 genetic algorithmsupport vector machineBP neural networkforecasting
文献加载失败,请重试
重试