论文部分内容阅读
针对最小二乘支持向量回归缺乏传统SVR的稀疏性和鲁棒性等问题，综合矢量基学习和自适应迭代算法的优势，提出了一种改进的加权最小二乘支持向量回归算法（LSSVR）。该算法通过引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量集，可以避免递推时可能出现的误差积累问题，有效提高算法的稀疏性和稳定性；同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。实验结果表明，改进的LSSVR具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。