A new support vector machine optimized by improved particle swarm optimization and its application

改进的粒子群优化(PSO ) 优化的一台新支持向量机器(SVM ) 与退火模仿结合了算法(SA ) 被建议。由与模仿的退火的方法合并，粒子群优化(SAPSO ) 的全球寻找能力在碰巧，并且粒子群优化的寻找的能力被学习。然后，改进粒子群优化算法被用来优化 SVM 的参数(c，σ和e) 。基于一个地区性的力量格子在北方中国提供的运作的数据，方法在预报的实际短术语负担被使用。与 PSO-SVM 和传统的 SVM 相比，在试验性的过程的建议方法的平均时间由 11.6 s 和 31.1 s 减少，并且建议方法的精确分别地增加 1.24% 和 3.18% 的结果表演。那么，改进方法比 PSO-SVM 和传统的 SVM 好。