10.3969/j.issn.2095-2783.2014.07.010
稀疏最小二乘支持向量机及其应用
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。
特征向量、稀疏、支持向量、弓网系统
TP301.6(计算技术、计算机技术)
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
2014-08-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
779-783