网格搜索、LWDPSO算法和并行PSO算法分别对LSSVM的参数寻优,并建立各自的模型,对测试数据集进行了检测。实验结果如表2所示。 从表2可以得出,由于训练数据和测试数据采自不同的数据集,网格搜索和LWDPSO算法的检测率较低,误报率和漏报率较高;采用并行PSO算法对LSSVM进行参数寻优所建立的入侵检测模型检测率、误报率和...
LSSVM的特性 1) 同样是对原始对偶问题进行求解,但是通过求解一个线性方程组(优化目标中的线性约束导致的)来代替SVM中的QP问题(简化求解过程),对于高维输入空间中的分类以及回归任务同样适用; 2) 实质上是求解线性矩阵方程的过程,与高斯过程(Gaussian processes),正则化网络(regularization networks)...
模型构建：在高维空间中，LSSVM算法通过最小化正则化的平方损失函数来构建分类模型。正则化项可以帮助控制...
研究 表明 , 所给出的快速 GCV 模型选择方法不仅能保证模型的预测精度和稳健性 , 而且在计算速度上具有相对 于 Lendase A 等[ 4] 提出的 F ast Boo t st rap 方法的巨大优势 . 鉴于以上原因 , 本文研究了 LS-SVM 模型中基于 GCV 准则和 New to n-Raphso n 算法的正则化参数快速选择方法在个人信用...
1 简介 为了提高短期电力负荷预测结果的准确性,该文提出了蝙蝠算法优化最小二乘支持向量机(BA-LSSVM)的方法.该方法利用蝙蝠算法对最小二乘支持向量机的核函数参数进行优化,并用优化后的参数建立短期电力负荷预测模型.最后,将搜集到的某地区历史负荷数据输入模型,通过仿真结果分析,表明该方法具有一定的可行性和有效性...
识别模型基于字符识别LSSVM模型识别 第20卷第2期天津工程师范学院学报2010年6月JOURNALOFTIANJINUNIVERSITYOFTECHNOLOGYANDEDUCATIONV01.20No.2Jun.2010基于粒子群优化算法的LS—SVM字符识别模型刘玲,张兴会(天津工程师范学院信息技术工程学院,天津300222)摘要:提出一种基于粒子群优化算法优化相关参数的最小二乘支持向量机(LS...
36 No.5May 2013袁从贵,张新政.基于多核 LS-SVM的河涌水质预测模型[J].环境科学与技术,2013,36(5):171-175.YuanCong-gui,ZhangXin-zheng.Predictionofriverwaterqualitybymultiplekernelleastsquaressupportvectormachines[J].EnvironmentalScience&Technology,2013,36 (5):171-175.基于多核LS-SVM的河涌水质...
(1.江苏大学电气信息工程学院,江苏镇江212013;2.南京工程学院,南京2l1167)摘要:为了获取开关磁阻电机(SRM)的精确模型,将SRM的建模问题转化为一种非线性约束优化问题进行模型参数辨识研究,对传统的最/bS-乘支持向量机(LS—SVM)回归算法进行改进,提出了惩罚因子自选取的LS—SVM参数辨识算法,并给出了算法的具体实现...
CPO-LSSVM【24年新算法】冠豪猪优化最小二乘支持向量机回归预测,CPO-LSSVM回归预测,多变量输入模型。评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。代码参考:https://mbd.pub/o/bread/ZZiVkp9u RIME-LSSVM回归预测 https://mbd.pub/o/bread/ZZiVkp9v SAO-LSSVM回归预测 ...
LS-SVM模型选择的秩准则及其比较