PSO参数优化.doc

PSO参数优化PSO参数优化PSO参数优化利用PSO参数寻优函数(分类问题）：psoSVMcgForClass[bestCVaccuracy,bestc，bestg,pso_option]=psoSVMcgForClass(train_label，train,pso_option)输入：train_label:训练集的标签，格式要求与svmtrain相同。train：训练集,格式要求与svmtrain相同。pso_option：PSO中的一些参数设置，可不输入，有默认值，详细请看代码的帮助说明。输出：bestCVaccuracy:最终CV意义下的最佳分类准确率.bestc:最佳的参数c.bestg:最佳的参数g。pso_option：记录PSO中的一些参数。==========================================================利用PSO参数寻优函数（回归问题）：psoSVMcgForRegress[bestCVmse，bestc,bestg，pso_option]=psoSVMcgForRegress(train_label，train，pso_option）其输入输出与psoSVMcgForClass类似，这里不再赘述.复制代码psoSVMcgForClass源代码：function［bestCVaccuarcy，bestc，bestg，pso_option]=psoSVMcgForClass(train_label，train,pso_option)%psoSVMcgForClass%%%byfaruto%Email:patrick。lee＠foxmail。comQQ:516667408http：//blog。sina。com。cn/farutoBNU%lastmodified2010.01.17％％若转载请注明:％farutoandliyang，LIBSVM-farutoUltimateVersion%atoolboxwithimplementsforsupportvectormachinesbasedonlibsvm,2009。%％Chih—ChungChangandChih-JenLin，LIBSVM:alibraryfor％supportvectormachines,2001。Softwareavailableat％http://www.csie。ntu。edu.tw/~cjlin/libsvm％%参数初始化ifnargin==2pso_option=struct（’c1’,1.5，'c2'，1。7，’maxgen'，200,'sizepop',20,。。。’k’,0。6，'wV',1，’wP’,1,'v'，5，.。。’popcmax',10^2，'popcmin’,10^（—1），'popgmax'，10^3，’popgmin’,10^（—2)）;end%c1:初始为1。5,pso参数局部搜索能力%c2：初始为1.7,pso参数全局搜索能力%maxgen：初始为200，最大进化数量％sizepop:初始为20,种群最大数量%k:初始为0。6(kbelongsto[0.1，1.0］),速率和x的关系(V=kX)％wV:初始为1（wVbestbelongsto[0.8,1.2]）,速率更新公式中速度前面的弹性系数%wP：初始为1,种群更新公式中速度前面的弹性系数%v:初始为3，SVMCrossValidation参数%popcmax：初始为100，SVM参数c的变化的最大值。％popcmin:初始为0.1,SVM参数c的变化的最小值。%popgmax:初始为1000,SVM参数g的变化的最大值.%popgmin：初始为0。01,SVM参数c的变化的最小值。Vcmax=pso_option.k＊pso_option。popcmax；Vcmin=-Vcmax;Vgmax=pso_option。k＊pso_option。popgmax；Vgmin=-Vgmax；eps=10^（—3）；％%产生初始粒子和速度fori=1：pso_option.sizepop%随机产生种群和速度pop（i，1）=(pso_option.popcmax—pso_option.popcmin）＊rand+pso_option。popcmin;pop(i，2)=（pso_option.popgmax-pso_option.popgmin)*rand+pso_option.popgmin;V（i,1）=Vcmax*rands(1,1);V（i,2）=Vgmax＊rands（1,1）;%计算初始适应度cmd=［’-v'，num2str(pso_option。v),'-c'，num2str（pop（i,1））