论文部分内容阅读
最小二乘支持向量机（least square support vector machines，LSSVM）在解决小样本、非线性和高维度问题中表现出许多特有的优势．但是，如果输入的训练数据本身存在着大量的噪声和冗余，LSSVM在训练数据时会因抑制它们而削弱本身的推广能力，结构风险无法达到最小化，从而导致收敛速度慢、预测精度不高等缺点．提出了一种基于免疫模糊聚类（immune fuzzy clustering，IFC）的最小二乘支持向量机预测模型，运用免疫模糊聚类算法对历史数据进行预处理，从聚类后的数据提取L