[发明专利]一种自适应SVM近似模型参数优化方法

摘要

本发明公开了一种自适应SVM近似模型参数优化方法，用于提高SVM近似模型的精度，步骤如下：使用最优拉丁超立方试验设计方法结合对物理模型的分析，获得训练样本集和测试样本集；以测试样本集的相对误差作为适应度值，使用遗传算法，优化SVM近似模型的参数，获得最优参数SVM近似模型；以测试样本集的相对误差作为准则，采用贪婪算法，更新训练与测试样本；在新样本的基础上构造新的SVM近似模型，迭代多次直到SVM近似模型满足精度要求。本发明有效解决了SVM近似模型参数难以选择和精度难以提升的问题，大幅度提高工程上复杂物理模型分析的效率，工程意义显著。

主权项

1.一种自适应SVM近似模型参数优化方法，其特征在于，包括以下步骤：步骤1，使用最优拉丁超立方试验设计方法结合对物理模型f的分析，获得训练样本集S＝{(x(i),fx(i)),i＝1,2,…,ns}；步骤2，使用改进后的最优拉丁超立方试验设计方法结合对物理模型f的分析，获得测试样本集T＝{(y(i),fy(i)),i＝1,2,…,nt}，使得ns个训练样本点到nt个测试样本点之间的距离最大；步骤3，以测试样本集的决定系数R2作为适应度值，通过遗传算法，优化SVM近似模型的3个重要参数，即逼近精度ε、惩罚参数C和核参数σ，获得最优参数SVM近似模型；步骤4，以步骤3中最终迭代步的决定系数作为贪婪准则，采用贪婪算法，更新训练样本集与测试样本集，更新贪婪准则，直到nt＝0，获得最终优化后的SVM近似模型。