最小残差法加速局部加权LSSVM求解及其应用

• 作者: 林超 王华杰
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: LSSVM 局部加权 最小残差法 铁水硅含量
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 研究与设计
• 页码范围: 8-11
• 页数: 4页
• 分类号: TP18
• 字数: 4164字
• 语种: 中文

摘要

局部加权最小二乘支持向量机回归模型(LocalWeighted Least Squares Support Vector Machines,LW-LSSVM)是一种在线学习模型,该类模型需要根据训练样本权重的调整不断重新进行训练.高效稳定的学习算法是LW-LSSVM模型取得成功应用的关键.分别采用最小残差法(MINRE)、共轭梯度法(CG)、零空间法和Cholesky分解算法求解WL-LSSVM模型.基准数据库上的数值实验表明最小残差法的计算时间最短,具有良好的数值稳定性.随后,应用基于MINRES的WL-LSSVM建立了高炉铁水硅含量的在线预测模型,仿真实验表明与LSSVM相比LW-LSSVM模型具有更高的预报精度和自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华杰	山东财经大学管理科学与工程学院	1	0	0.0	0.0