稀疏最小二乘支持向量机及其应用

摘要：

提出基于特征向量选择（feature vector selection，FVS）的稀疏最小二乘支持向量机（sparse least squares support vector machine，SLS-SVM）模型，解决最小二乘支持向量机（least squares support vector machine，LS-SVM）稀疏化问题。采用FVS在特征空间构建特征向量子集，对训练样本进行稀疏线性重构；将稀疏化的特征向量作为支持向量，从而实现对LS-SVM稀疏化建模。将SLS-SVM模型进行弓网系统的仿真对比实验，结果表明SLS-SVM模型在取得高预报精度的同时，可实现支持向量的高度稀疏化，从而加快模型预报速度。

关键词：特征向量、稀疏、支持向量、弓网系统

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60904049，61263010；江西省自然科学基金资助项目20114BAB211014；江西省教育厅科学技术研究项目GJJ14399；国家留学基金

在线出版日期：2014-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：779-783