稀疏最小二乘支持向量机及其应用

作者：衷路生; 陈立勇

来源：中国科技论文, 2014, 9(07): 779-783.

• 特征向量
• 稀疏
• 支持向量
• 弓网系统

提出基于特征向量选择(feature vector selection,FVS)的稀疏最小二乘支持向量机(sparse least squares support vector machine,SLS-SVM)模型,解决最小二乘支持向量机(least squares support vector machine,LS-SVM)稀疏化问题。采用FVS在特征空间构建特征向量子集,对训练样本进行稀疏线性重构;将稀疏化的特征向量作为支持向量,从而实现对LS-SVM稀疏化建模。将SLS-SVM模型进行弓网系统的仿真对比实验,结果表明SLS-SVM模型在取得高预报精度的同时,可实现支持向量的高度稀疏化,从而加快模型预报速度。

• 单位
  华东交通大学; 电子工程学院