声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2011/O4
国际刊号：1001-246X
发布日期:
作者：王黎翔, 王安琪, 黄志祥
关键词：粗糙面, 支持向量机, 改进粒子群算法, 反演
支持向量机（SVM）是粗糙面参数反演中常用的一种反演算法，SVM反演中的惩罚参数C和核函数参数G对反演结果精度的影响较大，若参数取值不当，会使模型产生"过学习"或者"欠学习"的现象，从而降低预测精度.给出几种SVM参数C和参数G的优化算法，如K折交叉验证（K-CV）、遗传算法（GA）和粒子群算法（PSO），并在此基础上提出一种基于K-CV和GA改进的PSO算法（GA-CV-PSO）.利用矩量法（MoM）获得的粗糙面后向散射系数构造训练集和测试集，通过不同参数反演的仿真结果对比不同优化算法的反演精度和计算时间，表明GA-CV-PSO算法克服了单一优化算法的缺陷，具有更精确的反演精度和更强的泛化能力.
来源：2019年第5期
《计算物理》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。