论文部分内容阅读
针对传统支持向量机对训练样本内的噪声和孤立点比较敏感，导致建模精度不高的问题，将模糊集理论引入到最小二乘支持向量机回归中，建立一种基于数据域描述的模糊最小二乘支持向量机回归的数学模型，该方法将样本映射到高维空间，在高维空间中寻找最小包含超球，然后根据样本到超球心的距离确定模糊隶属度的大小，通过仿真实验验证，该算法提高了支持向量机回归的训练精度，将此模型应用于谷氨酸发酵过程菌体浓度预测，结果表明此方法的有效性。