[发明专利]一种最小二乘支持向量机的超参优化方法

摘要

本发明公开了一种新型最小二乘支持向量机(LS‑SVM)的超参优化方法，以最小二乘支持向量机模型为基础，针对该模型超参优化阶段可能陷入局部最优的问题，结合粒子群搜索算法，遗传算法和Logistic映射，引入描述粒子状态和局部最优阈值两个参数提出了PSO‑GA‑LM算法，有效地解决超参优化的局部性问题，实现更为精准的预测。

主权项

一种最小二乘支持向量机的超参优化方法，其特征在于，包括步骤：步骤1：随机生成初始的粒子群，最优的超参组合记设置全局最优解的计数器T＝0，迭代次数itr＝0；步骤2：计算粒子群的适应度函数，并求得该群体的最小适应值粒子组合Best，T＝T+1；步骤3：判断T与局部最优的判定阈值Nlocal的大小；若T≤Nlocal，则使用遗传算法更新粒子：根据粒子群的适应度函数对粒子群排序，取前n个最优的粒子个体，对其进行交叉、变异操作来替代排序后n个粒子个体,itr＝itr+1；否则使用Logistic映射重新生成初始粒子群,itr＝itr+1，重置T＝0；步骤4：计算步骤3得到的粒子群的适应度函数，求得该群体的最优超参组合记为pBest；步骤5：若Best＝PBest，则T＝T+1；若Best<PBest，则保持不变；否则令Best＝pBest，同时重置T＝0；步骤6：判断迭代次数是否itr＞exetime；若是，则停止，Best即为所求超参数；否则返回步骤3。