论文部分内容阅读
针对最小二乘支持向量机（LS-SVM）的参数寻优问题,提出一种基于混合量子粒子群算法（HQPSO）的LS-SVM参数选择方法,以提高LS-SVM模型的学习性能和泛化能力。该算法结合QPSO算法的全局优化能力和Powell的局部寻优能力,分别对粒子初始位置、新局部最优位置以及全局最优位置进行Powell局部寻优,提高求解速度和解的精确性。利用测试函数对该建模方法进行仿真测试,与PSO LS-SVM模型进行比较,并利用湿法炼锌净化过程现场数据进行工业验证。研究结果表明：HQPSO LS-SVM模型具有较好的泛