oalib

OALib Journal期刊

ISSN: 2333-9721

费用:99美元

投稿

时间不限

2019 ( 26 )

2018 ( 166 )

2017 ( 231 )

2016 ( 386 )

自定义范围…

匹配条件: “最小二乘支持向量机回归” ,找到相关结果约54055条。
列表显示的所有文章,均可免费获取
第1页/共54055条
每页显示
Improved pruning algorithms for sparse least squares support vector regression machine
关于稀疏最小二乘支持向量回归机的改进剪枝算法

ZHAO Yong-ping,SUN Jian-guo,
赵永平
,孙健国

系统工程理论与实践 , 2009,
Abstract: 对于含有奇异点的系统而言,由于一般的剪枝算法不能成功抑制系统中的奇异点,在借鉴支持向量分类机选择支持向量方法的基础上,提出了改进的剪枝算法.改进的剪枝算法能成功抑制系统中的奇异点,减少支持向量的数目,增强最小二乘支持向量回归机的泛化能力.另外,仿真实例也验证了改进剪枝算法的有效性.在不含有奇异点系统中,改进的剪枝算法退化成了一般的剪枝算法,也就是说一般的剪枝算法是改进剪枝算法的一个特例.
关于稀疏最小二乘支持向量回归机的改进剪枝算法
系统工程理论与实践 , 2009,
Abstract: ?对于含有奇异点的系统而言,由于一般的剪枝算法不能成功抑制系统中的奇异点,在借鉴支持向量分类机选择支持向量方法的基础上,提出了改进的剪枝算法.改进的剪枝算法能成功抑制系统中的奇异点,减少支持向量的数目,增强最小二乘支持向量回归机的泛化能力.另外,仿真实例也验证了改进剪枝算法的有效性.在不含有奇异点系统中,改进的剪枝算法退化成了一般的剪枝算法,也就是说一般的剪枝算法是改进剪枝算法的一个特例.
基于递归约简的在线自适应最小二乘支持向量回归机
刘毅男,张胜修,张超
控制与决策 , 2014, DOI: 10.13195/j.kzyjc.2012.1791
Abstract: 鉴于传统在线最小二乘支持向量机在解决时变对象的回归问题时,模型跟踪精度不高,支持向量不够稀疏,结合迭代策略和约简技术,提出一种在线自适应迭代约简最小二乘支持向量机.该方法考虑新增样本与历史数据共同作用对现有模型产生的约束影响,寻求对目标函数贡献最大的样本作为新增支持向量,实现了支持向量稀疏化,提高了在线预测精度与速度.仿真对比分析表明该方法可行有效,较传统方法回归精度高且所需支持向量数目最少.
基于GA和LS-WSVM矿区地表下沉系数预测
范忻
煤炭工程 , 2012,
Abstract: 针对传统方法中预计地表下沉系数存在的缺陷。以我国典型的地表移动观测站数据为例,采用启发式算法遗传算法进行参数寻优,提出将小波理论与最小二乘支持向量机结合而成的最小二乘小波支持向量机的方法对地表下沉系数进行预测。实验结果表明,与改进的BP神经网络和PSO-SVM两种方法相比,基于GA和LS-WSVM矿区地表下沉系数预测方法收敛速度更快,精确度更高。
基于最小二乘支持向量回归机的燃煤锅炉结渣特性预测
徐志明,文孝强,孙媛媛,孙灵芳
中国电机工程学报 , 2009,
Abstract: 对燃煤锅炉结渣特性建模预测并结合优化算法实现燃烧优化是降低锅炉结渣几率有效的方法。文中将煤的软化温度tST、硅铝比w(SiO2)/w(Al2O3)、碱酸比J、硅比G以及锅炉的无因次炉膛平均温度ft、无因次切圆直径fd等作为输入变量,以结渣程度作为输出,建立最小二乘支持向量回归机燃煤锅炉结渣预测模型。同时采用显微镜原理对惩罚参数g和核参数s进行寻优,快速有效地获得二者的最优组合。通过对5台锅炉结渣特性进行预测评判,结果表明此方法是合理可行的。同时依据本方法及面向对象的高级语言,开发了相应的预测评判系统。
非线性不确定系统的OS-LSSVMR内模控制
王定成,姜斌
控制理论与应用 , 2008, DOI: 10.7641/j.issn.1000-8152.2008.5.021
Abstract: 针对非线性、不确定性对象内模控制不易精确建模的问题,提出OS-LSSVMR(online-sparse-least-squaressupport-vector-machines-regression)在线调整模型的内模控制方法.首先介绍一种具有在线建模和稀疏性解的OSLSSVMR;再采用OS-LSSVMR建立内模控制的正向模型,对模型可逆并且唯一的非线性系统设计逆模控制器;在模型偏离被控对象时在线修正正逆模型.仿真表明,该方法对非线性不确定性系统具有较好的实时性、鲁棒性和在线校正功能.
自适应迭代最小二乘支持向量机回归算法
杨滨,杨晓伟,黄岚,梁艳春,周春光,吴春国
电子学报 , 2010,
Abstract: 基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.
用于回归估计的最小二乘广义支持向量机
系统工程理论与实践 , 2004,
Abstract: ?提出了一种用于回归估计的最小二乘广义支持向量机.这种最小二乘广义支持向量机的核函数同标准的支持向量机相比没有或者只有很少的限制.将这种用于回归估计的最小二乘广义支持向量机表示成标准的二次规划(qp)问题,采用基于矩阵分裂的超松弛法同投影梯度法相结合的算法来解这一qp问题.根据超松弛法的特点,这一算法可以处理大量数据的情形.
基于粒子群最小二乘支持向量机的水文预测
李文莉,李郁侠
计算机应用 , 2012,
Abstract: ?支持向量机理论为研究中长期水文预测提供了新的方法。针对最小二乘支持向量机模型参数选择费时且效果差这一问题,给出基于粒子群算法的最小二乘支持向量机水文预测模型(pso-lssvm)。该模型运用最小二乘支持向量机回归原理建立,参数选取采用具有全局搜索能力的粒子群算法进行寻优。用此模型对南桠河冶勒水电站月径流进行预测,仿真计算结果表明,该算法可提高预测效率与预测精度。
固定尺度最小二乘支持向量机
王庆云,黄道
华东理工大学学报 , 2006,
Abstract: 针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。
第1页/共54055条
每页显示


Home
Copyright © 2008-2017 Open Access Library. All rights reserved.