一种改进的在线最小二乘支持向量机回归算法

被引：59

作者：

郭振凯 ^{[1
]}

宋召青 ^{[2
]}

毛剑琴 ^{[1
]}

机构：

[1] 北京航空航天大学第七研究室

[2] 海军航空工程学院控制工程系

来源：

控制与决策 | 2009年 / 24卷 / 01期

基金：

国家自然科学基金重点项目; 高等学校博士学科点专项科研基金;

关键词：

最小二乘支持向量机回归; 改进的遗忘因子矩形窗; 在线学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对一般最小二乘支持向量机处理大规模数据集会出现训练速度慢、计算量大、不易在线训练的缺点,将修正后的遗忘因子矩形窗方法与支持向量机相结合,提出一种基于改进的遗忘因子矩形窗算法的在线最小二乘支持向量机回归算法,既突出了当前窗口数据的作用,又考虑了历史数据的影响.所提出的算法可减少计算量,提高在线辨识精度.仿真算例表明了该方法的有效性.

引用

页码：145 / 148

页数：4

共 9 条

[1]

广义染色体遗传算法与迭代式最小二乘支持向量机回归算法研究 [D].