RQEA-SVR在交通流预测中的应用

摘要：

建立在统计学习理论和结构风险最小化准则基础上的支持向量回归(SVR)是处理小样本数据回归问题的有利工具,SVR的参数选取直接影响其学习性能和泛化能力.文中将SVR参数选取看作是参数的组合优化问题,确定组合优化问题的目标函数,采用实数量子进化算法(RQEA)求解组合优化问题进而优选SVR参数,形成RQEA-SVR,并应用RQEA-SVR求解交通流预测问题.仿真试验表明RQEA是优选SVR参数的有效方法,解决交通流预测问题具有优良的性能.

关键词：支持向量机、参数优选、实数量子进化算法、交通流预测

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：黑龙江省自然科学基金the Natural Science Foundation of Heilongjiang Province of China under Grant F2007-9;哈尔滨市青年科技创新人才专项基金RC2008QN009005

在线出版日期：2010-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：241-245