高斯过程回归超参数自适应选择粒子群优化算法

作者：曹文梁; 康岚兰

来源：合肥工业大学学报(自然科学版), 2019, (11): 1479-1484.

• 超参数
• 高斯过程回归(GPR)
• 粒子群优化(PSO)
• 自适应变异 hyper-parameters
• Gaussian process regression(GPR)
• particle swarm optimization(PSO)
• adaptive mutation

超参数优化是减少高斯过程回归(Gaussian process regression,GPR)学习方法计算量,提高高斯模型性能的一个重要问题。为解决超参数优化问题中先验知识匮乏,对初始值过分依赖且易陷入局部最优等问题,文章引入粒子群优化(particle swarm optimization,PSO)算法,并结合差分速度更新公式及自适应变异策略,提出了一种自适应差分粒子群-高斯过程回归优化(adaptive differential particle swarm optimization-Gaussian process regression,ADPSO-GPR)算法对GPR中超参数进行自适应...

• 单位
  江西理工大学; 东莞职业技术学院