基于微粒群优化算法和支持向量机的软测量建模

被引:4
作者
卜艳萍
俞金寿
机构
[1] 华东理工大学自动化研究所
关键词
微粒群优化算法; 支持向量机; 核函数; 软测量;
D O I
10.14135/j.cnki.1006-3080.2008.01.029
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型。该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模。仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度。
引用
收藏
页码:131 / 134
页数:4
相关论文
共 1 条
[1]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300