论文部分内容阅读
针对支持向量机参数难以选择的问题，提出了基于差分进化算法（DE）的参数选择方法，算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点，能够很好的解决SVM的参数选择问题。随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中，并将其与神经网络建模方式所得结果相比较，结果表明经改进的支持向量机的预测性能更加优秀。