基于自适应动态搜索粒子群的SVM参数优化研究

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (12): 2958-2964.

基于自适应动态搜索粒子群的SVM参数优化研究

高春能, 张彪, 纪志成

江南大学电气自动化研究所,无锡 214122

收稿日期:2015-01-28 修回日期:2015-07-17 出版日期:2015-12-08 发布日期:2020-07-30
作者简介:高春能(1976-),男,安徽,硕士,工程师,研究方向为智能控制;张彪(1990-),男,江苏,硕士,研究方向为智能控制;纪志成(1959-),男,浙江,博士,教授,研究方向为智能控制。
基金资助:
国家粮食局公益性行业科研专项(201313012)

Study of Adaptive Dynamic Search PSO Based SVM Parameter Optimization

Gao Chunneng, Zhang Biao, Ji Zhicheng

Institute of Electrical Automation, Jiangnan University, Wuxi 214122, China

Received:2015-01-28 Revised:2015-07-17 Online:2015-12-08 Published:2020-07-30

摘要/Abstract

摘要： 针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。

关键词: HACCP, 支持向量机, 自适应动态搜索, 小麦加工

Abstract: According to critical control points (CCPs) selection problem in wheat processing HACCP (hazard analysis and critical control point), an automatic identification method based on SVM model was introduced. In order to improve the model’s recognition stability and accuracy, an adaptive dynamic search particle swarm optimization (ADS-PSO) for the optimization of kernel function parameters in SVM was proposed. ADS-PSO introduced an evolutionary factor and threshold (ET) to estimate the evolutionary state and adjusted the search strategy adaptively. Besides, an inertia parameter for the velocity was defined in ADS-PSO. The simulation results show that the improved SVM model can identify the CCPs in wheat processing HACCP, and achieve a high recognition accuracy and stability.

Key words: HACCP, support vector machine, adaptively dynamic search particle swarm optimization, wheat processing

中图分类号:

TP18

高春能, 张彪, 纪志成. 基于自适应动态搜索粒子群的SVM参数优化研究[J]. 系统仿真学报, 2015, 27(12): 2958-2964.

Gao Chunneng, Zhang Biao, Ji Zhicheng. Study of Adaptive Dynamic Search PSO Based SVM Parameter Optimization[J]. Journal of System Simulation, 2015, 27(12): 2958-2964.

参考文献

[1] 郑少华. HACCP体系在小麦粉生产中的应用研究[J]. 粮食与食品工业(SCN32-1710/TS), 2011, 18(5): 15-22.
[2] Hu B.Food Security Management Technology Based on HACCP and Petri Net[C]// International Conference on Knowledge Discovery and Data Mining, Phuket, Thailand, Jan 2010. USA: IEEE, 2010: 296-298.
[3] Massimo Bertolini, Antonio Rizzi, Maurizio Bevilacqua.An alternative approach to HACCP system implementation[J]. Journal of Food Engineering (S0260-8774), 2007, 79(4): 1322-1328.
[4] 王开义, 赵春江, 张方田. 模糊故障树分析方法在HACCP中的应用研究[J]. 农业工程学报(S1002-6819), 2007, 23(5): 164-167.
[5] Tuominen P, Hielm S, Aarnisalo K, et al. Trapping the food safety performance of a small or medium-sized food company using a risk-based model. The HYGRAM system[J]. Food Control (S0956-7135), 2003, 14(8): 573-587.
[6] 赵春江, 王开义, 喻钢, 等. 基于SVM快速增量算法的HACCP控制点分类[J]. 农业机械学报(S1000-1298), 2009, 40(增1): 260-262.
[7] 朱凤明, 樊明龙. 混沌粒子群算法对支持向量机模型参数的优化[J]. 计算机仿真(S1000-1298), 2010, 27(11): 183-186.
[8] 肖翼. 基于改进型支持向量机的高压断路器故障诊断技术研究 [D]. 北京: 首都师范大学, 2013.
[9] Kwork J T, Tsang I W.Linear dependency between epsilon and the input noise in epsilon-support vector regression[J]. IEEE Transactions on Neural Networks (S1045-9227), 2003, 14(3): 544-553.
[10] Wahba G, Lin Y, Zhang H, et al.Generalized approximate cross validation for support vector machines or another way to look at margin quantities [M]// Advances in Large Margin Classifiers. USA: MIT Press, 2000: 297-309.
[11] 张艳. 基于粒子群优化支持向量机的变压器故障诊断和预测 [D]. 成都: 西华大学, 2011.
[12] Zhi-Hui Zhan, Jun Zhang, Yun Li, et al. Adaptive Particle Swarm Optimization[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics (S1083-4419), 2009, 39(6): 1362-1381.
[13] 国家认证认可监督管理委员会. HACCP认证与百家著名食品企业案例分析 [M]. 北京: 中国农业科技出版社, 2006.
[14] 陆安祥, 王开义, 王纪华, 等. HACCP体系在农产品安全中的应用研究[J]. 农业质量标准(S1672-3775), 2007 (增1): 106-109.
[15] 唐晓芬. HACCP食品安全管理体系的建立与实施 [M]. 北京: 中国计量出版社, 2003.