基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

• 作者: 吴晓蓓 徐志良 邢永忠
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 最小二乘支持向量机 矢量基 自适应迭代 回归算法
• 年，卷（期）: 2011,（3）
• 页码范围: 328-333
• 分类号: TP181
• 字数: 5097字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9830.2011.03.008

摘要

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法.在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响.回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%～8.9%,训练时间为标准LS-SVM的0.011%～0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴晓蓓	南京理工大学自动化学院	113	1168	17.0	26.0
2	徐志良	南京理工大学自动化学院	60	466	11.0	17.0
3	邢永忠	南京理工大学自动化学院	1	5	1.0	1.0