基于遺傳算法的小波支持向量機(jī)模型及其應(yīng)用.pdf

1、當(dāng)前研究癲癇電腦方法很多,而支持向量機(jī)憑著其較佳的性能成為其中的后起之秀。
　　支持向量機(jī)是一種新型的機(jī)器學(xué)習(xí)方法。它是機(jī)器學(xué)習(xí)領(lǐng)域若干標(biāo)準(zhǔn)技術(shù)的集大成者。它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項(xiàng)技術(shù)。最小二乘小波支持向量機(jī)是支持向量機(jī)的改進(jìn),它將最小二乘法、小波核函數(shù)和支持向量機(jī)有機(jī)結(jié)合了起來,不但提高了求解問題的速度和收斂精度,還提高了泛化能力,具有優(yōu)于標(biāo)準(zhǔn)支持向量機(jī)的性能。但是在應(yīng)用上,仍然

2、存在著選擇模型參數(shù)的問題。最小二乘小波支持向量機(jī)的參數(shù)要比標(biāo)準(zhǔn)支持向量機(jī)為多,而其參數(shù)對(duì)其性能影響很大,因此參數(shù)的選取十分重要。目前,也無統(tǒng)一的參數(shù)選取標(biāo)準(zhǔn)和理論。
　　本文的主要內(nèi)容如下:
　　1.首先從原理、數(shù)學(xué)模型及構(gòu)造等幾個(gè)方面對(duì)支持向量機(jī)進(jìn)行了研究,同時(shí)分析研究了遺傳算法的基本原理、性能特點(diǎn)和操作方法,提出了將兩者結(jié)合的可能性。
　　2.專門設(shè)計(jì)合適的遺傳算法,利用其優(yōu)化最小二乘小波支持向量機(jī)的參數(shù),這樣就構(gòu)