ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于改进遗传算法的支持向量机预测模型研究

陈锦青; 韩延杰福州大学
微型机与应用2013-12-25
32阅读
引用收藏
分享

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
相关
加载中…

文献加载失败,请重试

重试

发表信息

论文状态
公开发表
期刊
微型机与应用
发表日期
2013-12-25
卷期
第 24 期
页码
82
成果收录
CHINAJOURNAL

作者

  • 陈

    陈锦青 (第一作者)

  • 韩

    韩延杰

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417