一种基于QPSO和WLS-SVM的智能方法

• 作者: 夏克文 池越 苏昶 陈国鹰
• 来源期刊: 河北工业大学学报
• 学科: 工学
• 关键词: 支持向量机 最小二乘支持向量机(LS-SVM) 量子粒子群优化(QPSO) 粒子群优化 计算智能
• 年，卷（期）: 2009,（2）
• 页码范围: 9-14
• 页数: 6页
• 分类号: TP18
• 字数: 3485字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2373.2009.02.002

摘要

提出一种基于量子粒子群优化算法(QPSO)和加权最小二乘支持向量机(WLS-SVM)的智能方法,以克服常用方法存在需要较大样本数据量、建模速度较慢差等缺点.方法的具体改进是,将SVM中单一核函数构造成混合核函数,增加自适应权重,采用QPSO算法求解WLS-SVM训练模型中的线性方程组,这样能提高模型的性能.经过典型的二型糖尿病诊断实验,结果表明其建模速度快、诊断准确率高,其效果优于改进BP算法神经网络、LM算法神经网络和单核函数的SVM等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈国鹰	河北工业大学信息工程学院	62	307	9.0	12.0
2	池越	河北工业大学信息工程学院	33	66	5.0	6.0
3	夏克文	河北工业大学信息工程学院	82	512	14.0	20.0
4	苏昶	河北工业大学信息工程学院	2	11	2.0	2.0