论文摘要
最小二乘支持向量机是预测回归领域的一个重要工具,研究并精确地选择模型参数,对多输入多输出的回归预测模型具有重大意义。决定LSSVM回归性能的有核函数的选择与核函数参数的设置,本文针对应用最广泛的RBF核函数,在输入与输出变量维度较高的模型情况下,能够较快挑选出回归函数误差较小的正则化系数与RBF核函数系数组合。为了同时选择两个最优参数,通过定义一种新的误差值指标挑选"阶梯突变区域",再运用改进遍历与自适应步长算法得到最优解。采用苯乙烯聚合反应的实验数据,选取若干组测量的输入数据以及实验得到的输出数据用于LSSVM的训练,最后将训练好的LSSVM回归模型用于预测中,结果显示本文的参数优化选择方法提高了预测的准确性与实时性。
论文目录
文章来源
类型: 国际会议
作者: 沈雨冰,胡桂廷,张正江,闫正兵
关键词: 多输入多输出回归预测,参数选择,最小二乘支持向量机,核函数
来源: 第30届中国过程控制会议（CPCC 2019） 2019-07-31
年度: 2019
分类: 基础科学,信息科技
专业: 数学,自动化技术
单位: 温州大学电气数字化设计技术国家地方联合工程实验室
分类号: TP181;O212.1
页码: 148
总页数: 1
文件大小: 626k
下载量: 69
相关论文文献
标签：多输入多输出回归预测论文; 参数选择论文; 最小二乘支持向量机论文; 核函数论文;