基于QPSO参数优化的LS-SVM智能标定

• 作者: 杨德志
• 来源期刊: 辽东学院学报：自然科学版
• 学科: 数学
• 关键词: 最小二乘支持向量机(LS-SVM) 粒子群算法(PSO) 标定
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 224-227
• 分类号: O242.1
• 字数: 2333字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4939.2011.03.008

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨德志	辽东学院师范学院	47	105	6.0	9.0