基于混合参数优化的LSSVM与时间序列预测

被引：5

作者：

张伟 ^{[1
]}

胡昌华 ^{[2
]}

焦李成 ^{[1
]}

机构：

[1] 西安电子科技大学智能信息处理研究所

[2] 第二炮兵工程学院测控工程系

来源：

电子测量与仪器学报 | 2007年 / 21卷 / 05期

关键词：

LSSVM; 混合参数优化算法; 预测模型; 陀螺仪; 漂移误差;

D O I：

10.13382/j.jemi.2007.05.019

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

分析了典型参数优化算法的局限,对LSSVM目标函数含二次损失函数、样本特征空间分布形状不规则情况,提出了混合参数优化算法,用待优化参数重构LSSVM目标函数,通过自适应遗传算法、交叉验证来优化目标函数、选择最优的核和其它参数,依此建立了陀螺漂移误差序列预测模型。实验结果表明,该预测模型有较高的训练、泛化精度;可为陀螺仪动态补偿、可靠性辅助决策提供可靠依据。

引用

页码：55 / 59

页数：5

共 4 条

[1] 最小二乘Littlewood-Paley小波支持向量机 [J].

武方方 ;

赵银亮 .

信息与控制, 2005, (05) :94-99

[2] 二次损失函数支持向量机性能的研究 [J].

朱永生 ;

王成栋 ;

张优云 .

计算机学报, 2003, (08) :982-989

[3] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[4] Bounds on error expectation for support vector machines [J].

Vapnik, V ;

Chapelle, O .

NEURAL COMPUTATION, 2000, 12 (09) :2013-2036

← 1 →