基于混合QPSO的LS-SVM参数优化及其应用

• 作者: 朱红求 桂卫华 王觉 阳春华
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 最小二乘支持向量机 参数优化 HQPSO算法 净化过程
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 1000-1004
• 分类号: TP273
• 字数: 3541字
• 语种: 中文

摘要

针对最小二乘支持向量机(LS-SVM)的参数寻优问题,提出一种基于混合量子粒子群算法(HQPSO)的LS-SVM参数选择方法,以提高LS-SVM模型的学习性能和泛化能力.该算法结合QPSO算法的全局优化能力和Powell的局部寻优能力,分别对粒子初始位置、新局部最优位置以及全局最优位置进行Powell局部寻优,提高求解速度和解的精确性.利用测试函数对该建模方法进行仿真测试,与PSO LS-SVM模型进行比较,并利用湿法炼锌净化过程现场数据进行工业验证.研究结果表明:HQPSO LS-SVM模型具有较好的泛化性能,模型预测精度高,预测结果满足工艺生产的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱红求	中南大学信息科学与工程学院	75	380	10.0	16.0
2	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
3	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
4	王觉	中南大学信息科学与工程学院	2	38	2.0	2.0