基于混沌PSO算法优化LS-SVM的惯导系统测试

被引：7

作者：

王成 ^{[1
]}

郝顺义 ^{[1
]}

翁大庆 ^{[2
]}

冯文 ^{[1
]}

机构：

[1] 空军工程大学工程学院

[2] 中国人民解放军部队装备部

来源：

传感器与微系统 | 2011年 / 02期

关键词：

最小二乘支持向量机; 混沌粒子群优化算法; 惯导系统; 初始对准;

D O I：

暂无

中图分类号：

V249.322 [];

学科分类号：

摘要：

基于混沌PSO算法优化最小二乘支持向量机(LS-SVM)实现惯导系统初始对准测试。通过小波包分解消除陀螺漂移数据的噪声,获取LS-SVM的训练与测试样本。针对LS-SVM解决大规模数据样本回归问题时所出现的训练时间长、收敛速度慢等缺点,提出了混沌PSO算法优化LS-SVM的模型参数。该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺点,同时显著提高了LS-SVM的预测能力。将一般LS-SVM和GM(1,1)模型的预测结果与本算法预测结果进行对比,验证了本方法在预测精度上具有明显优势。

引用

页码：125 / 128

页数：4