混合核函数稀疏LS-SVM软测量建模与应用
作者:
李炜
;
章寅
;
赵小强
关键词:
软测量
最小二乘支持向量机
稀疏性
矢量基
混合核
摘要：
针对最小二乘支持向量机存在的稀疏性欠缺和单核函数局限性问题，本文提出一种基于混合核函数稀疏最小二乘支持向量机的软测量建模方法。该方法使用多项式核函数和RBF核函数线性加权构成混合核函数，兼顾最小二乘支持向量机的全局拟合能力与局部拟合能力，以矢量基学习作为稀疏解算法，改善最小二乘支持向量机的稀疏性，在精简模型结构的同时，避免冗余信息中的噪声过多的拟合到模型参数中，进而采用粒子群算法优化模型部分参数。将此方法分别应用于Mackey-Glasss混沌模型的时间序列预测和乙烯精馏塔塔釜乙烯浓度预测，应用结果表明该方法较最小二乘支持向量机、稀疏最小二乘支持向量机以及混合核最小二乘支持向量机具有更好的泛化效果和预报精度，兆示出其良好的应用潜力。
上一篇：时变非线性系统迭代学习控制遗忘因子算法
下一篇：一种解决输出超调问题的滑模流形新算法