您的位置: 专家智库 > >

张小轩

作品数:2 被引量:3H指数:1
供职机构:武汉大学动力与机械学院更多>>
发文基金:湖北省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇会议论文

领域

  • 1篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇子群
  • 2篇最小二乘
  • 2篇最小二乘支持...
  • 2篇向量机
  • 2篇粒子群
  • 2篇粒子群优化
  • 2篇PSO
  • 1篇优化算法
  • 1篇稀疏化
  • 1篇向量
  • 1篇粒子群优化算...

机构

  • 2篇武汉大学

作者

  • 2篇陈正
  • 2篇张世荣
  • 2篇张小轩
  • 2篇李慧敏

传媒

  • 1篇武汉大学学报...

年份

  • 2篇2016
2 条 记 录,以下是 1-2
排序方式:
基于PSO的最小二乘支持向量机稀疏化算法
最小二乘支持向量机(LSSVM)失去稀疏特性及经典迭代剪切稀疏化算法容易陷入性能指标函数局部收敛的问题,提出一种基于粒子群优化(PSO)的LSSVM稀疏化算法.将LSSVM稀疏化过程描述为一个最优化问题,以校验样本和预测...
陈正张小轩李慧敏张世荣
关键词:支持向量机粒子群优化
基于PSO的最小二乘支持向量机稀疏化算法被引量:3
2016年
针对最小二乘支持向量机(LSSVM)失去稀疏特性及经典迭代剪切稀疏化算法容易陷入性能指标函数局部收敛的问题,提出一种基于粒子群优化(PSO)的LSSVM稀疏化算法.将LSSVM稀疏化过程描述为一个最优化问题,以校验样本和预测输出之间的均方根误差RMSE为优化目标,以模型训练样本剪切率ε(%)为优化变量.并针对此非线性优化问题提出基于PSO的求解方法.以大型电厂飞灰含碳量LSSVM模型为例,对此算法进行了实例研究.结果表明,该方法能有效解决经典算法的局部收敛问题获得最优剪切率,具有更好的预测和泛化能力.
陈正张小轩李慧敏张世荣
关键词:最小二乘支持向量机粒子群优化算法
共1页<1>
聚类工具0