论文部分内容阅读
在实际应用中支持向量机的参数选取问题一直没有得到很好地解决。限制了其应用。为了能够自动获取最优的支持向量机参数，提出了基于模糊遗传算法的SVM参数选择方法，用模糊逻辑在线调整遗传算法的交叉概率Pc和变异概率Pm，并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明，在小样本情况下，支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。