论文部分内容阅读
改进的粒子群优化(PSO ) 优化的一台新支持向量机器(SVM ) 与退火模仿结合了算法(SA ) 被建议。由与模仿的退火的方法合并,粒子群优化(SAPSO ) 的全球寻找能力在碰巧,并且粒子群优化的寻找的能力被学习。然后,改进粒子群优化算法被用来优化 SVM 的参数(c,σ和ε) 。基于一个地区性的力量格子在北方中国提供的运作的数据,方法在预报的实际短术语负担被使用。与 PSO-SVM 和传统的 SVM 相比,在试验性的过程的建议方法的平均时间由 11.6 s 和 31.1 s 减少,并且建议方法的精确