1.一种盲图像质量评价算法中SVR参数优化方法,其特征在于,包括以下步骤:步骤1:采集数据,对数据进行5折交叉验证,选择SVR中影响预测性能的参数作为待优化参数;
步骤2:将步骤1中选定的待优化参数作为粒子在当前位置的相应维度值,使用5折交叉验证得到5个均方根误差(Root mean squared error,RMSE),并将5个RMSE的中值作为粒子在当前位置的适应度值;
步骤3:初始化所改进ABC算法的相关参数;
步骤4:对粒子进行评估,计算粒子当前位置对应的适应度值;更新粒子的位置,更新个体最优适应度值,种群最优适应度值,以及它们各自对应的个体最优位置和种群最优位置;
步骤5:如果满足停止条件,结束参数寻优过程,输出待优化参数的最优组合;否则,返回步骤4继续执行寻优过程,直到满足停止条件为止。
2.根据权利要求1所述的一种盲图像质量评价算法中SVR参数优化方法,其特征在于:所述步骤4中:
(a)在雇佣蜂阶段,当1≤t<ωT时,使用公式(Ⅰ)对粒子的随机一个维度上的位置进行更新,当ωT≤t
r1描述如下: 其中,a是常数,t是当前迭代次数,T是最大迭代次数;r2是[0,2π]之间的一个随机数,满足均匀分布;r3是[0,2]之间的一个随机数,也满足均匀分布,是的一个随机权重;r4是用来决定当前环境下选择正弦还是余弦更新粒子位置,是[0,1]之间均匀分布的随机数;
(b)跟随蜂阶段,粒子的位置更新方式和雇佣蜂阶段的更新方式相同;
(c)跟随蜂阶段完成以后,如果Gbestval的停滞(Gbestval保持同一个值)次数Gstop达到预设值,则重置参数ω=t/T,并且使用反正余弦策略对所有粒子的整个位置进行更新,反正余弦策略使用公式(Ⅱ)表示:其中, r5是一个线性递增函数,用以改变正弦和余弦的范围;其余的变量均和公式(Ⅰ)中变量一致。
3.根据权利要求1所述的一种盲图像质量评价算法中SVR参数优化方法,其特征在于:所述步骤1中5折交叉验证的过程为:
每次将数据集随机分为80%的训练集和20%的测试集,使用测试集训练SVR,测试集测试训练好的SVR模型,计算所得到的测试值和真实值之间的RMSE,上述过程进行5次,并且5次划分的训练集和测试集相互之间没有内容重合。
4.根据权利要求1所述的一种盲图像质量评价算法中SVR参数优化方法,其特征在于:所述步骤1中待优化参数包括:
SVR中惩罚参数C和径向基核函数参数σ。
5.根据权利要求1所述的一种盲图像质量评价算法中SVR参数优化方法,其特征在于:所述步骤3中所改进ABC算法的相关参数包括:
种群中粒子的数目,最大迭代次数T,第i个粒子的初始位置xi=(C,σ),自适应划分勘探和开发时期的因子ω的初始值,第i个粒子的最优适应度值Pibestval及其对应的位置种群的最优适应度值Gbestval及其对应的位置PGbestval。
6.根据权利要求1所述的一种盲图像质量评价算法中SVR参数优化方法,其特征在于:所述步骤4中对个体最优适应度值,种群最优适应度值的更新均使用贪心算法完成。