魯棒最小二乘支持向量機及其在軟測量中的應用

司剛全　婁勇　張寅松

摘要：針對最小二乘支持向量機在利用產生于工業現場的非理想數據集進行建模預測時，稀疏化模型魯棒性差的問題，提出了一種基于模糊C均值聚類和密度加權的稀疏化方法，首先通過模糊（、均值聚類將訓練樣本劃分為若干個子類；然后計算每個子類中各樣本的可能貢獻度，依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量；最后更新每個樣本的可能貢獻度，繼續從各個子集中增選支持向量，直至稀疏化后的模型性能滿足要求，仿真結果和磨機負荷實際應用表明，該方法能夠兼顧模型在整體樣本集和各工況子集上的性能，在實現模型稀疏化的同時，能夠顯著改善最小二乘支持向量機模型的魯棒性。