论文部分内容阅读
基于支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取，以蚁群优化算法为基础，给出支持向量回归机参数优化的一种新方法。该方法以最小化k-fold交叉验证误差为目标，对支持向量回归机中的核参数σ和惩罚系数C由蚁群系统中的节点值体现，数值的优选通过蚂蚁对最优路径的选择进行确定。计算机仿真结果表明：与正交法、遗传算法等相比，该方法在参数优化方面有良好的鲁棒性能和较强的全局搜索能力；该方法用于青霉素发酵过程的建模研究，建模精度较高。