基于矢量基学习的最小二乘支持向量机建模

为使最小二乘支持向量机的解具有稀疏性,本文提出了一种稀疏解算法--矢量基学习.首先引入基矢量、基矢量集与矢量空间的概念,并分析新样本矢量与矢量空间的夹角,从而推导出该样本是否为基矢量的判断准则.随着新样本的到来,在线判别支持向量,使LS-SVM的支持向量具有稀疏性.提升LS-SVM动态建模的实时性,本文进一步提出用于矢量基学习的增长记忆模式递推公式.仿真分析及水处理厂的应用实例,验证了该方法的可行性和有效性.