摘　　　要：支持向量機(jī)（ＳＶＭ） 建模的擬合精度和泛化能力取決于相關(guān)參數(shù)的選取，目前ＳＶＭ中的參數(shù)的尋優(yōu)一般只針對(duì)懲罰系數(shù)和核參數(shù)，而混合核函數(shù)的引入，使ＳＶＭ增加了一個(gè)可調(diào)參數(shù)。針對(duì)混合核函數(shù)ＳＶＭ的多參數(shù)選擇問題，提出利用具有較強(qiáng)全局搜索能力的混沌粒子群（ＣＰＳＯ）優(yōu)化算法對(duì)混合核函數(shù)ＳＶＭ建模過程中的重要參數(shù)進(jìn)行優(yōu)化調(diào)整，每一組粒子的位置向量對(duì)應(yīng)一組混合核函數(shù)ＳＶＭ建模的參數(shù)。該算法采用同時(shí)對(duì)３個(gè)參數(shù)尋優(yōu)的策略，由早熟收斂的判斷和處理兩部分組成，可實(shí)...