学位论文 > 优秀研究生学位论文题录展示

遗传算法的若干改进及其在支持向量机中的应用研究

作　者: 段杨
导　师: 李雷
学　校: 南京邮电大学
专　业: 应用数学
关键词: 遗传算法支持向量机自适应参数优化
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 60次
引　用: 0次
阅　读: 论文下载

内容摘要

遗传算法是一类模仿生物进化过程的优化方法。近年来不仅在理论上形成了一套较为完善的算法体系,并且它的应用范围也得到较大的发展。同时遗传算法在不断的被改进,有些改进方法用于处理“早熟现象”等方面。本文以这些改进方法为研究基础,提出自己的创新点。本文做了以下工作:1、提出一种新的交叉概率和变异概率的自适应迭代公式。以当前代的交叉概率替换交叉概率自适应迭代公式中的预先设定的第一代交叉概率,建立新的迭代公式,对于变异概率公式可以同样获得。新的自适应迭代公式搜索全局最优解的效率提高了。2、以往建立的随进化代数自适应调整的非线性适应度函数中,存在一个估计的最大代数,本文以当前代数替换它,建立一种新的随进化代数自适应调整的非线性适应度函数。改进的遗传算法提高遗传算法的运行效率。3、用本文改进的遗传算法对支持向量机及其所取混合和函数的参数优化,建立了基于改进遗传算法的取混合核函数的支持向量机参数优化方法,并将该方法应用到软件工作量预评估当中,找到的实际值更加接近于精确值。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-13
  1.1 遗传算法的生物学背景  8-9
  1.2 遗传算法的研究历史与现状  9-10
    1.2.1 研究历史  9-10
    1.2.2 研究现状  10
  1.3 研究意义  10-11
  1.4 论文组织结构  11-13
第二章遗传算法和支持向量机的基础理论  13-24
  2.1 遗传算法  13-18
    2.1.1 算法的思想  13
    2.1.2 编码  13-15
    2.1.3 适应度  15-16
    2.1.4 交叉和变异  16
    2.1.5 遗传算法局限性  16-17
    2.1.6 遗传算法的常用语  17
    2.1.7 遗传算法的运行过程  17-18
  2.2 支持向量机  18-23
    2.2.1 支持向量机算法概述  18-19
    2.2.2 支持向量机分类  19-23
  2.3 本章小结  23-24
第三章基于自适应迭代思想的遗传算子改进方法  24-30
  3.1 遗传算子  24-26
    3.1.1 选择算子  24-25
    3.1.2 交叉算子  25-26
    3.1.3 变异算子  26
  3.2 基于自适应迭代思想的交叉概率和变异概率设计方法  26-28
  3.3 实验  28-29
    3.3.1 改进的GA 的系统框架设计  28
    3.3.2 实验结果  28-29
  3.4 本章总结  29-30
第四章随代数自适应调整的适应度函数的改进方法  30-39
  4.1 适应度函数  30-35
    4.1.1 适应度函数概念  30
    4.1.2 适应度函数作用  30-31
    4.1.3 适应度函数设计条件  31
    4.1.4 适应度函数的种类  31-32
    4.1.5 适应度尺度变换  32-35
  4.2 随进化代数自适应调整的适应度函数  35-37
  4.3 实验  37-38
  4.4 本章小结  38-39
第五章基于改进GA 的取混合核函数的SVM 参数优化  39-44
  5.1 基于改进GA 的取混合核函数的SVM 的参数优化  39-41
    5.1.1 混合和函数  39-40
    5.1.2 SVM 取混合核函数时参数的二进制编码  40-41
    5.1.3 目标函数的选取  41
  5.2 实验  41-43
    5.2.1 改进的GA 的系统框架设计  41-42
    5.2.2 实验结果  42-43
  5.3 本章小结  43-44
第六章总结与展望  44-46
  6.1 总结  44
  6.2 展望  44-46
致谢  46-47
参考文献  47-50
攻读硕士学位期间发表的论文  50

遗传算法的若干改进及其在支持向量机中的应用研究

内容摘要

全文目录

相似论文