LS-SVM参数估计与稀疏化方法研究及应用

• 作 者: 张继军 马登武 邓力 范庚
• 机 构: 海军航空工程学院研究生管理大队,海军航空工程学院兵器科学与技术系,
• 出 处: 系统仿真学报
• 发表日期: 2014年05期
• 关键词: least squares support vector machines (LS-SVM) parameter estimation sparseness

针对最小二乘支持向量机(LS-SVM)参数估计与稀疏化问题,提出了采用多智能体遗传算法(MAGA)估计LS-SVM参数并在参数估计的过程中实现稀疏化的方法。首先,根据被估参数的特点,设计了MAGA的种群初始化方法和各遗传算子操作方式。其次,基于剪枝法的思想,设计了包含三种控制条件的稀疏化策略,能够在不明显降低回归精度的前提下实现LS-SVM的稀疏化。最后,通过实例计算验证本文方法的有效性,计算结果表明,MAGA较其它方法(自适应遗传算法、粒子群算法)能够获得更优的参数,从而使LS-SVM具有更优的回