《表4 不同参数寻优方法对SVM模型预测精度的影响》
为验证使用DE算法优化SVM航迹预测模型的优越性,采用其他参数寻优方法进行对比。分别使用粒子群优化(particle swarm optimization,PSO)算法、网格搜索法、遗传算法(genetic algorithm,GA)搜索出的优化参数和采用libsvm工具箱默认参数进行航迹预测仿真,将预测结果进行对比分析,各误差指标值见表4。从表4可以看出:使用基于网格搜索法的优化参数和工具箱默认参数训练模型耗时较少,但预测精度低;使用基于GA和PSO算法的优化参数训练模型较大幅度提升了预测精度,但是耗时较多;使用基于DE算法的优化参数训练模型的精度最高,且耗时较少,总体来说性能最佳。
图表编号 | XD00138006200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.31 |
作者 | 刘娇、史国友、杨学钱、朱凯歌 |
绘制单位 | 大连海事大学航海学院、大连海事大学辽宁省航海安全保障重点实验室、大连海事大学航海学院、大连海事大学辽宁省航海安全保障重点实验室、大连海事大学航海学院、大连海事大学辽宁省航海安全保障重点实验室、大连海事大学航海学院、大连海事大学辽宁省航海安全保障重点实验室 |
更多格式 | 高清、无水印(增值服务) |