基于混合核函数FOA-LSSVM的预测模型

• 作者: 何帮强 周金明 王传玉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 预测 果蝇优化算法(FOA) 最小二乘支持向量机(LSSVM) 混合核
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 133-137
• 页数: 5页
• 分类号: TP18
• 字数: 3874字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0459

摘要

支持向量机（SVM）的核函数类型和超参数对预测的精度有重要影响。由于局部核函数学习能力强、泛化性能弱，而全局核函数泛化性能强、学习能力弱的矛盾，通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数，并引入果蝇优化算法（FOA）对最小二乘支持向量机（LSSVM）参数进行全局寻优，提出了混合核函数FOA-LSSVM 预测模型。结果表明，该模型较传统方法在电力负荷预测精度上有了明显提高，预测结果科学可靠，在预测中具有良好的实际应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周金明	安徽工程大学数理学院	25	69	5.0	7.0
2	王传玉	安徽工程大学数理学院	69	123	6.0	8.0
3	何帮强	安徽工程大学数理学院	5	37	2.0	5.0