基于QPSO参数优化的LS-SVM智能标定

被引：2

作者：

杨德志

机构：

[1] 辽东学院师范学院

来源：

辽东学院学报(自然科学版) | 2011年 / 18卷 / 03期

关键词：

最小二乘支持向量机(LS-SVM); 粒子群算法(PSO); 标定;

D O I：

10.14168/j.issn.1673-4939.2011.03.001

中图分类号：

O241.5 [数值逼近]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

研究粒子群算法(PSO)优化最小二乘支持向量机(LS-SVM)的参数时,受到搜索空间有限的限制,容易陷入局部极值,直接影响罐容表的标定精确度的问题。针对该问题,作者采用量子粒子群算法(QPSO)选取LS-SVM的径向基核参数进行优化,建立了基于QPSO-LS-SVM的罐容表标定的软测量模型。仿真实验结果表明:该方法不用建立复杂的机理模型,只需利用QPSO-LS-SVM算法进行软标定,大幅度缩短了训练建模时间,提高了运行效率。

引用

页码：224 / 227

页数：4

共 8 条

[1] 最小二乘支持向量机的参数优化算法研究 [J].