支持向量機(jī)算法參數(shù)選擇及其在電站鍋爐系統(tǒng)中的應(yīng)用研究.pdf

1、作為一種新的機(jī)器學(xué)習(xí)方法，支持向量機(jī)算法建立在嚴(yán)謹(jǐn)?shù)慕y(tǒng)計(jì)學(xué)基礎(chǔ)上，在模式識(shí)別和函數(shù)回歸方面都有不俗的表現(xiàn)。支持向量機(jī)算法從上個(gè)世紀(jì)90年代初提出到現(xiàn)在短短十多年的時(shí)間得到了長足的發(fā)展，并繼續(xù)得到廣大研究者的關(guān)注和參與。本文在對(duì)統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)算法進(jìn)行簡要分析和回顧的基礎(chǔ)上，針對(duì)支持向量算法的參數(shù)選擇問題進(jìn)行了研究與探討。支持向量算法雖然有統(tǒng)計(jì)學(xué)習(xí)理論作為理論基礎(chǔ)，其泛化能力在理論上有界，但理論上誤差的界太過寬松，實(shí)際應(yīng)用過程中算

2、法的性能依賴于算法參數(shù)的選擇。在對(duì)算法分析研究的基礎(chǔ)上，對(duì)支持向量機(jī)算法在電站鍋爐系統(tǒng)中的應(yīng)用進(jìn)行了研究，著重以某電廠300MW機(jī)組鍋爐再熱汽溫建模為例進(jìn)行了分析與討論。 本文主要包括以下幾方面內(nèi)容： 1.提出了一種等距支持向量分類器(EDSVC)算法。本文從最優(yōu)分類超平面的幾何意義入手，分析了最優(yōu)超平面的幾何意義，提出了一種等距支持向量分類器(EDSVC)算法。EDSVC本質(zhì)上與支持向量機(jī)算法相同，同樣具有理論上的一系

3、列性質(zhì)。在算法構(gòu)造過程中，最優(yōu)超平面的構(gòu)造是基于一系列局部最優(yōu)超平面，綜合一系列邊界點(diǎn)對(duì)來構(gòu)造全局最優(yōu)分類超平面。這些邊界點(diǎn)與支持向量算法中的支持向量對(duì)應(yīng)，因此EDSVC也具有SVM的稀疏性。同時(shí)，由于最優(yōu)超平面是通過一系列局部最優(yōu)分類超平面來實(shí)現(xiàn)的，算法具有增量學(xué)習(xí)的內(nèi)在本質(zhì)，適合于在線學(xué)習(xí)機(jī)的構(gòu)造。 2.采用基于格雷碼的遺傳算法對(duì)支持向量機(jī)算法的參數(shù)選擇問題進(jìn)行了研究，將遺傳算法與支持向量機(jī)相結(jié)合形成一個(gè)GA-SVM算法。在

4、兩個(gè)性質(zhì)不同的多類分類數(shù)據(jù)集上進(jìn)行了測(cè)試，結(jié)果表明該方法能夠在更大的參數(shù)空間內(nèi)進(jìn)行有效搜索，與傳統(tǒng)的網(wǎng)格式窮盡搜索相比更有優(yōu)勢(shì)。 3.提出了基于正交設(shè)計(jì)方法的支持向量機(jī)算法參數(shù)選擇方法。統(tǒng)計(jì)實(shí)驗(yàn)設(shè)計(jì)是工農(nóng)業(yè)以及科學(xué)試驗(yàn)中常用的方案設(shè)計(jì)方法，本文將正交設(shè)計(jì)的方法與支持向量機(jī)算法相結(jié)合，對(duì)支持向量機(jī)算法參數(shù)進(jìn)行優(yōu)化選擇。將支持向量機(jī)算法的一次訓(xùn)練作為一個(gè)數(shù)值試驗(yàn)，采用正交設(shè)計(jì)方法進(jìn)行試驗(yàn)方案的設(shè)計(jì)和試驗(yàn)結(jié)果的分析，分析不同參數(shù)對(duì)算法