《表2 各智能优化算法选取的参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《DE-LSSVM网络流量多分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

LSSVM原本是解决二分类问题的，而现实问题中避免不了对多类别数据进行分类的情况，SVM实现多分类的方法一般有三种：一对多法，一对一法和层次支持向量机[14]。由于Moore数据类别数较少，故本次实验采用一对一方法，该方法将每两类作为训练样本，构建分类器。实验环境为windows10Intel Core i7-8700K CPU 3.70GHz 16GB 64位操作系统，利用MATLAB2016b进行编程。初始化DE参数：NP=100；D=2；ε=0.001；Gm=50；F=0.5；β，σ∈[2^（-8），2^8]，CR=0.5*（1+rand(0，1）)。GA中交叉概率Pc=0.8；变异概率Pm=0.2。PSO中wmax=0.8；wmin=0.4；c1=c2=1.5；vmax=4；vmin=-4。ACO中信息素蒸发系数和转移概率分别为Rho=0.8，P0=0.2。表2和表3分别显示了各智能优化算法寻找到的最优参数以及对应的均方根误差。图1展示了entry01数据集在各优化算法下的寻优过程。