论文部分内容阅读
摘要：针对最小二乘支持向量机（LS—SVM）在处理大规模数据集的回归和分类问题时缺少支持向量所具有的稀疏性和难以确定最佳模型参数值的问题，提出一种改进算法，利用样本间马氏距离分析样本相似程度，剔除部分相关样本，对样本集进行约简，以恢复LS—SVM的稀疏性，进而利用具有较强全局搜索能力的混沌粒子群优化算法（CPSO）对LS—SVM建模过程中的模型参数进行优化选择，以提高模型的拟合精度和泛化能力。将提出的改进算法用于湿法脱硫系统浆液pH值的软测量建模，给出了应用该方法的具体步骤，研究结果表明，该算法取得了较高