摘要:针对最小二乘支持向量机(LS-SVM)缺少支持向量所具有的稀疏性和模型参数值难以选择的问题,提出利用马氏距离进行样本相似程度分析,去除集中部分样本,以恢复最小二乘支持向量机的稀疏性的方法。同时,采用k-折交叉验证误差作为学习目标的粒子群优化算法来选取模型参数,并利用改进算法建立了精馏产品浓度的软测量模型。通过仿真验证了改进算法的有效性。结果表明模型精度较高,泛化能力强,满足工业测量要求。
关键词:最小二乘支持向量机 粒子群优化算法 软测量 建模
单位:广西大学电气工程学院 广西南宁530004
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社