基于径向基小波核的多尺度小波支持向量机

普通支持向量机(SVM)方法用于多尺度回归建模时不能取得满意的精度,而现有的多尺度SVM算法存在只适合均匀分布的样本并可能收敛于局部极值等问题。为解决上述问题,本文提出了一种基于径向基小波核的多尺度小波支持向量机学习算法。文中提出并证明了一种新的径向基小波支持向量核,可提高小波SVM的训练速度和逼近精度。在此基础上,通过解一个二次优化问题可求出多尺度回归建模问题的全局最优解。最终得出的多尺度回归模型能够有效地逼近多尺度信号。仿真结果验证了所提算法的有效性。