论文部分内容阅读
本论文主要研究了最小二乘支撑向量机(LSSVM)增量型训练算法以及固定尺度算法。最小二乘支撑向量机(LSSVM)是由J．A．K Suykens等人根据支撑向量机(SVM)算法提出的，是SVM的扩展版本。
主要进行了如下的研究：
1) 深入探讨了最小二乘支撑向量机训练算法的基本理论，然后利用仿真实验对最小二乘法、标准最小二乘支撑向量机、稀疏最小二乘支撑向量机算法性能进行了比较。
2) 研究了增量型的最小二乘支撑向量机训练算法以及固定尺度训练算法。针对常规固定尺度最小二乘支撑向量机存在的问题(比如对于时间序列数据，可能导致支撑向量过于集中于初期)进行了分析，得到了有效的改进方法，大大的提高了算法的性能。通过仿真实验验证了改进方法的有效性。