一种在线稀疏LSSVM及其在系统建模中的应用

• 作者: 周欣然 滕召胜
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 最小二乘支持向量机 学习算法 稀疏性 选择性删除 系统建模
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 机电工程
• 页码范围: 37-41
• 分类号: TP18|TP273
• 语种: 中文

摘要

为了减少在线最小二乘支持向量机(LSSVM)的计算量和存储空间,提出了一种在线稀疏LSSVM.这种LSSVM利用滑动时间窗中部分时刻的样本作为训练样本集.新时刻的样本总是加入训练样本集;每次删除样本时,若滑动时间窗最前端时刻的样本在训练样本集中,则删除它,否则从训练样本集中选择留一法预测误差最小的样本删除.与现有的在线LSSVM相比,这种在线稀疏LSSVM能用较少的样本学习系统较多的特性,能提高时空效率;与现有的在线稀疏LSSVM相比,它能摆脱陈旧样本的影响,更加适应系统的时变性.系统建模仿真实验表明,该在线稀疏LSSVM能节省时间和空间,具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕召胜	湖南大学电气与信息工程学院	218	3004	28.0	43.0
2	周欣然	湖南大学电气与信息工程学院	18	107	6.0	10.0