重庆交通大学学报(自然科学版) ›› 2012, Vol. 31 ›› Issue (4): 832-835.DOI: 10.3969/j.issn.1674-0696.2012.04.24
王树洋,黄天民,方新
Wang Shu-yang,Huang Tian-min,Fang Xin
摘要: 参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数 选择问题,引入了粒子群优化算法机制,通过粒子群优化选择支持向量机预测模型的学习训练参数,得到较优的 PSO-SVM预测模型。通过实例仿真实验,将PSO-SVM预测模型与神经网络预测模型进行了比较,显示了其优越 性。
中图分类号: