最小二乘支持向量机模型的简化结构研究.pdfVIP

墨 塞旦 Doi：10．3969／j．issn．1671-1041．2012．04．020 最小二乘支持向量机模型的简化结构研究 于 洋 ，张 涛 ，赵文杰 (1．大同第二发电厂 大同037043；2．华北电力大学 自动化系，保定071003) 摘要：针对LS-SVM模型复杂度高的问题．本文提 出了一种简化模型的思路。在保证 LS·SVM 模型性能不变的前提下，通 过该模型的少量输入输出样本，利用LS-SVM 建模进一步拟合该模型。使得到的新模型的复杂度降低。仿真试验表明。本文 给出的模型简化方法是有效的。 关键词：支持向量机；最小二乘支持向量机 ；模型复杂度；简化 中图分类号：TP13 文献标志码：B Research Oilsimplifiedmodelbased onleastsq~Ja _ resupportvectormachinemodel YUYang，ZHANGTao，ZHAOWen-jie (1．TheSecondPowerStationofDatong，ShanxiDatong037043，China；2．DepartmentofAutomation， NorthChinaElectricPowerUniversity，Baoding071003，China) Abstract：F0rthecomplexityofLeastSquareSupportVectorMachine(LS—SVM)modelishigh，amethodthatcansimplifythe LS_SVMmodelisproposedinthispaper．UnderthepremisethattheaccuracyofLS—SVMmodelisunchanged，asmallamount oftrainingsamplesof thismodelarechoosen，whichfurtherfitthismodelbyLS-SVM modeling，SOastomakethenewmodel withlow complexity．Simulationexperime ntshowsthattheme thodproposedinthispaperiscompletelyfeasible． Keywords：supportvectormachines；leastsquaresupportvectormachine；complexityofmodel；simpliyf 0 引言 90年代由Vapnik提出的一种新的机器学习算法 。它是 支持向量机 (SupportVectorMachines，SVM)是 2O世纪 基于统计学习理论的结构风险最小化原理，根据有限的样本 且对应的训练次数也要提高，网络的其他诊断性能如诊断精 参考文献 度并没有提高。高精度的训练和高训练次数一般可在开始确 [1]李粲．变压器油中溶解气体在线监测技术及应用研究[D]． 定网络的算法和较佳隐含层神经元数用，在故障诊断中一般 重庆：重庆大学，2008． 用得较少 ；训练精度和训练次数太高，训练和诊断时间越长， [2]闻新 ，周露．Madab神经网络应用设计 [M]．北京：科学出版 实时诊断性有可能不再满足 ，训练精度也有可能降低。 社 ，2000：207-212． 2)traincgb和traincgf算法虽然在实验时每次都收敛，误 [3]董长虹．Madab神经网络与应用 (第2版)[M]．北京：国防工 差也符合要求 ，但每次的诊断结果都不好。Trainbfg诊断性能 业 出版社，2007：73-79． 不稳定，其他3种算法也较好地满足了诊断要求。