基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测

针对最小二乘支持向量机（LS-SVM）超参数优化问题,提出采用改进耦合模拟退火（CSA）算法优化LSSVM超参数。首先,耦合模拟退火算法通过并行处理多个独立模拟退火（SA）寻优过程,提高LS-SVM模型超参数优化效率;然后通过调整接受温度控制耦合项超参数的接受概率方差,降低CSA算法初始设置对LS-SVM最优超参数确定过程稳健性的影响;最后结合既有线轮轨现场的实际检测数据,开展了基于改进耦合模拟退火优化的最小二乘支持向量机（CSA LS-SVM）回归模型性能对比实验。结果表明,CSA LS-SVM回归模型达到了模型精度、算法快速性、算法鲁棒性的有效折中,所建立的LS-SVM优化模型用于现场的车...

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 32; no. 2; pp. 397 - 402
Main Author 衷路生 陈立勇 龚锦红 祝振敏 肖乾
Format Journal Article
LanguageChinese
Published 华东交通大学 电气与电子工程学院,南昌,330013 2015
Subjects
最小二乘支持向量机
耦合模拟退火
超参数优化
踏面磨耗
coupled simulated annealing
tread wear
最小二乘支持向量机
踏面磨耗
耦合模拟退火
超参数优化
least squares support vector machine
hyper-parameters optimization
Online AccessGet full text
ISSN1001-3695
DOI10.3969/j.issn.1001-3695.2015.02.018

Cover

More Information
Summary:针对最小二乘支持向量机（LS-SVM）超参数优化问题,提出采用改进耦合模拟退火（CSA）算法优化LSSVM超参数。首先,耦合模拟退火算法通过并行处理多个独立模拟退火（SA）寻优过程,提高LS-SVM模型超参数优化效率;然后通过调整接受温度控制耦合项超参数的接受概率方差,降低CSA算法初始设置对LS-SVM最优超参数确定过程稳健性的影响;最后结合既有线轮轨现场的实际检测数据,开展了基于改进耦合模拟退火优化的最小二乘支持向量机（CSA LS-SVM）回归模型性能对比实验。结果表明,CSA LS-SVM回归模型达到了模型精度、算法快速性、算法鲁棒性的有效折中,所建立的LS-SVM优化模型用于现场的车轮踏面磨耗量的预测是有效的。
Bibliography:51-1196/TP
ZHONG Lu-sheng, CHEN Li-yong, GONG Jin-hong, ZHU Zhen-min, XIAO Qian （School of Electrical ＆ Electronic Engineering, East China Jiaotong University, Nanehang 330013, China）
coupled simulated annealing; least squares support vector machine; hyper-parameters optimization; tread wear
This paper proposed an improved coupled simulated annealing（CSA） algorithm to optimize the hyper-parameters of least squares support vector machine （LS-SVM）. First, the CSA algorithm handled multiple independent parallel simulated annealing （SA） optimization process, which improved the optimization efficiency for hyper-parameters of LS-SVM model. Second, the acceptance temperature controUed the variance of the acceptance temperature which reduced the influence of the CSA algorithm to initialization parameters. Finally, it established CSA LS-SVM regression model to predict wheel tread wear based on the field data. The simulation results show that the proposed CSA LS-SVM regression model can trade off the model fit versus the
ISSN:1001-3695
DOI:10.3969/j.issn.1001-3695.2015.02.018