期刊文献+
共找到63篇文章
< 1 2 4 >
每页显示 20 50 100
回归支持向量机的改进序列最小优化学习算法 被引量:32
1
作者 张浩然 韩正之 《软件学报》 EI CSCD 北大核心 2003年第12期2006-2013,共8页
支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化... 支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度. 展开更多
关键词 支持向量机 核方法 回归 序列最小优化
在线阅读 下载PDF
支持向量机改进序列最小优化学习算法 被引量:10
2
作者 朱齐丹 张智 邢卓异 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2007年第2期183-188,共6页
为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法.改进后的SMO学习算法提高了学... 为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法.改进后的SMO学习算法提高了学习速度,加快了网络收敛速度.基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性,并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性. 展开更多
关键词 支持向量机 序列最小优化 改进学习算法 回归问题
在线阅读 下载PDF
求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法 被引量:9
3
作者 周晓剑 马义中 +2 位作者 朱嘉钢 刘利平 汪建均 《控制理论与应用》 EI CAS CSCD 北大核心 2010年第9期1178-1184,共7页
序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的... 序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值. 展开更多
关键词 支持向量机 非半正定核 序列最小优化算法 Huber-支持向量回归机
在线阅读 下载PDF
优化极限学习机的序列最小优化方法 被引量:18
4
作者 丁晓剑 赵银亮 《西安交通大学学报》 EI CAS CSCD 北大核心 2011年第6期7-12,19,共7页
针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值... 针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值下降最大的拉格朗日乘子,将该拉格朗日乘子作为目标函数的唯一变量;然后求解目标函数的最小值并更新该变量的值;重复这个过程直到所有的拉格朗日乘子都满足二次规划问题的Karush-Kuhn-Tucker条件为止.实验结果表明:SSMO算法只需调节很少的参数值便可得到足够好的泛化性能;采用SSMO算法的OMELM方法在泛化性能上要好于采用序列最小优化算法的支持向量机方法;在随机数据集测试中,SSMO算法具有较好的鲁棒性. 展开更多
关键词 极限学习机 支持向量机 序列最小优化
在线阅读 下载PDF
一种改进的支持向量机序列最小优化算法 被引量:6
5
作者 王越 吕奇峰 +1 位作者 王泉 曾晶 《重庆理工大学学报(自然科学)》 CAS 2013年第3期76-79,共4页
提出一种改进的序列最小优化算法,它在选取工作集时选取优化步长最大的违反KKT条件的样本和其配对样本,并且对求解过程进行简化,从而使训练过程速度更快。实验表明,该算法是有效、可行的。
关键词 支持向量机 序列最小优化 快速算法
在线阅读 下载PDF
基于粒子群优化的最小二乘支持向量机在时间序列预测中的应用 被引量:14
6
作者 张弦 王宏力 《中国机械工程》 EI CAS CSCD 北大核心 2011年第21期2572-2576,共5页
为提高基于最小二乘支持向量机(LSSVM)的时间序列预测方法的泛化能力与预测精度,研究了一种基于粒子群优化(PSO)的LSSVM。该方法以交叉验证误差为评价准则,利用PSO对多个具有不同超参数的LSSVM进行基于迭代进化的优化选择,并以交叉验证... 为提高基于最小二乘支持向量机(LSSVM)的时间序列预测方法的泛化能力与预测精度,研究了一种基于粒子群优化(PSO)的LSSVM。该方法以交叉验证误差为评价准则,利用PSO对多个具有不同超参数的LSSVM进行基于迭代进化的优化选择,并以交叉验证误差最小的LSSVM作为最终优化后的LSSVM。时间序列预测实例表明,经PSO优化后的LSSVM的预测精度高于未经优化的LSSVM与传统时间序列预测方法的预测精度。 展开更多
关键词 最小二乘支持向量机 粒子群优化 交叉验证 时间序列预测
在线阅读 下载PDF
应用序列最小优化算法的火电厂协调系统的预测 被引量:2
7
作者 翟永杰 杨金芳 +2 位作者 徐大平 韩璞 王东风 《动力工程》 EI CSCD 北大核心 2005年第6期849-854,共6页
针对支持向量机二次规划(QP)算法处理大规模数据时计算复杂度高的问题,介绍了适宜处理大规模数据回归问题的序列最小优化(SMO)算法,并在该算法的基础上进行了改进,使运算速度得到进一步的提高。同时,将SMO算法及其改进算法(I-SMO)用于... 针对支持向量机二次规划(QP)算法处理大规模数据时计算复杂度高的问题,介绍了适宜处理大规模数据回归问题的序列最小优化(SMO)算法,并在该算法的基础上进行了改进,使运算速度得到进一步的提高。同时,将SMO算法及其改进算法(I-SMO)用于火电厂协调系统的预测,并同QP算法进行了比较。仿真结果表明,I-SMO算法比QP算法具有更高的预测精度和更快的运算速度,并且比SMO算法在计算速度方面又有较大的提高。 展开更多
关键词 自动控制技术 序列最小优化算法 改进 协调系统 预测
在线阅读 下载PDF
基于取样的潜在支持向量机序列最小优化算法 被引量:1
8
作者 鲁淑霞 曹贵恩 +1 位作者 孟洁 王华超 《河北大学学报(自然科学版)》 CAS 北大核心 2011年第2期113-117,共5页
为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量,把支持向量逐渐压缩到取样样本集中.此算法特别适合大样本数据且支持向量个数相对较少的情况.实验表明,... 为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量,把支持向量逐渐压缩到取样样本集中.此算法特别适合大样本数据且支持向量个数相对较少的情况.实验表明,改进的序列最小优化算法加速了潜在支持向量机分类器训练时间. 展开更多
关键词 潜在支持向量机 序列最小优化 取样
在线阅读 下载PDF
非光滑约束最优化问题的最小值序列
9
作者 李传乐 黄力人 《华南师范大学学报(自然科学版)》 CAS 2003年第2期4-8,共5页
研究了非光滑凸函数的LP最小值序列的性质 ,并给出了它与稳定序列之间的关系 .
关键词 非光滑约束最优化问题 非光滑凸函数 LP最小序列 N(θ X)-稳定序列 次微分 一致下半连续
在线阅读 下载PDF
约束优化问题中LP最小值序列的性质和判定
10
作者 罗桂美 《华南师范大学学报(自然科学版)》 CAS 北大核心 2012年第3期25-27,31,共4页
从凸函数的次微分出发,采用非光滑分析的方法,考察约束优化问题中当约束集为非空闭凸锥时,LP最小值序列的性质及判定方法,并进一步考察Banach空间中当约束为不等式时的特殊情形.
关键词 锥凸最优化 不等式约束 LP最小序列 性质 判定
在线阅读 下载PDF
训练支持向量机的并行序列最小优化方法 被引量:4
11
作者 曹丽娟 王小明 《计算机工程》 CAS CSCD 北大核心 2007年第18期184-186,共3页
序列最小优化(SMO)是训练支持向量机(SVM)的常见算法,在求解大规模问题时,需要耗费大量的计算时间。该文提出了SMO的一种并行实现方法,验证了该算法的有效性。实验结果表明,当采用多处理器时,并行SMO具有较大的加速比。
关键词 支持向量机 序列最小优化 并行算法
在线阅读 下载PDF
序列最小优化工作集选择算法的改进
12
作者 左琳 《电子科技大学学报》 EI CAS CSCD 北大核心 2013年第3期448-452,共5页
序列最小化算法(SMO)是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件,提出了一种改进的新工作集选择方法,并相应提出最小化步骤。通过将改进的支持向量机方法应用于网络用户行为数据的... 序列最小化算法(SMO)是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件,提出了一种改进的新工作集选择方法,并相应提出最小化步骤。通过将改进的支持向量机方法应用于网络用户行为数据的分析,与现有方法进行对比测试,验证了新工作集选择方法将减少支持向量机的学习时间并加快收敛过程,改进的支持向量机方法在运行效率和准确度上都有不同程度的提高。 展开更多
关键词 改进 KKT条件 序列最小优化 支持向量机 工作集选择
在线阅读 下载PDF
序贯最小优化的改进算法 被引量:30
13
作者 李建民 张钹 林福宗 《软件学报》 EI CSCD 北大核心 2003年第5期918-924,共7页
序贯最小优化(sequential minimal optimization,简称SMO)算法是目前解决大量数据下支持向量机(support vector machine,简称SVM)训练问题的一种十分有效的方法,但是确定工作集的可行方向策略会降低缓存的效率.给出了SMO的一种可行方向... 序贯最小优化(sequential minimal optimization,简称SMO)算法是目前解决大量数据下支持向量机(support vector machine,简称SVM)训练问题的一种十分有效的方法,但是确定工作集的可行方向策略会降低缓存的效率.给出了SMO的一种可行方向法的解释,进而提出了一种收益代价平衡的工作集选择方法,综合考虑与工作集相关的目标函数的下降量和计算代价,以提高缓存的效率.实验结果表明,该方法可以提高SMO算法的性能,缩短SVM分类器的训练时间,特别适用于样本较多、支持向量较多、非有界支持向量较多的情况. 展开更多
关键词 支持向量机 机器学习 序贯最小优化 smo算法
在线阅读 下载PDF
混沌时间序列预测模型参数同步优化 被引量:6
14
作者 向昌盛 张林峰 《计算机工程与应用》 CSCD 北大核心 2011年第1期4-7,11,共5页
传统上相空间重构与预测模型参数优化分开优化,割裂两者的联系,模型预测性能难以达到最优。利用相空间重构和预测模型参数的互相关系,提出一种混沌时间序列预测模型参数同步优化方法。首先采用均匀设计方法对影响模型预测精度的参数进... 传统上相空间重构与预测模型参数优化分开优化,割裂两者的联系,模型预测性能难以达到最优。利用相空间重构和预测模型参数的互相关系,提出一种混沌时间序列预测模型参数同步优化方法。首先采用均匀设计方法对影响模型预测精度的参数进行均匀设计,然后采用自调用最小二乘支持向量机进行参数同步优化,得到最优参数。以经典混沌时间序列太阳黑子年平均数为例进行了验证,结果表明,相对传统的参数优化算法,参数同步优化算法时间复杂度低、预测精度高,为混沌时间序列预测模型参数优化提供了一种新的思路。 展开更多
关键词 最小二乘支持向量机 时间序列预测 均匀设计 优化
在线阅读 下载PDF
求解最小闭包球问题改进的SMO-型算法 被引量:1
15
作者 丛伟杰 刘红卫 《计算机工程与应用》 CSCD 2013年第3期1-3,9,共4页
研究n维空间中m个点的最小闭包球(MEB)问题。通过结合确定并删除内部点的技术到序列最小最优化(SMO)方法中,提出一种近似求解MEB问题的改进的SMO-型算法。证明了该算法具有线性收敛性。数值结果表明对于一些mn的大规模数据集,改进的... 研究n维空间中m个点的最小闭包球(MEB)问题。通过结合确定并删除内部点的技术到序列最小最优化(SMO)方法中,提出一种近似求解MEB问题的改进的SMO-型算法。证明了该算法具有线性收敛性。数值结果表明对于一些mn的大规模数据集,改进的算法与原算法相比速度可以提高10倍以上。尤其,当n等于100且m等于100000时,改进的SMO-型算法仅需执行8s。此外,对于n等于10000且m等于1000的大规模数据集,改进的算法也仅需执行150s。 展开更多
关键词 最小闭包球 确定并删除内部点 序列最小优化 线性收敛 大规模数据集
在线阅读 下载PDF
结构可靠性优化的通用生成函数-序列优化与可靠性评估方法 被引量:6
16
作者 朱达伟 周金宇 庄百亮 《兵工学报》 EI CAS CSCD 北大核心 2020年第2期398-405,共8页
通用生成函数(UGF)法在处理随机变量为非正态、功能函数为高度非线性的概率分析问题时具有较大优势。为提高结构可靠性优化求解的精度,提出了一种基于通用生成函数的序列优化与可靠性评估方法。该算法引入高精度可靠性分析方法和偏移向... 通用生成函数(UGF)法在处理随机变量为非正态、功能函数为高度非线性的概率分析问题时具有较大优势。为提高结构可靠性优化求解的精度,提出了一种基于通用生成函数的序列优化与可靠性评估方法。该算法引入高精度可靠性分析方法和偏移向量求解策略完成优化,将迭代过程分为3个环节完成:第1环节利用最小二乘法拟合偏移函数的响应面回归模型,根据模型和许可可靠指标求解偏移向量;第2环节根据所求偏移向量完成确定性优化,得到当前设计点;第3环节利用UGF法进行可靠性分析和评估,并根据相关约束重新构建偏移函数。算例分析表明,所提方法在保证求解效率的同时提高了优化精度,并很好地解决功能函数为高度非线性时优化结果无法收敛的问题。 展开更多
关键词 结构可靠性优化 通用生成函数 序列优化 最小二乘法
在线阅读 下载PDF
基于PSO-LSSVM模型的基坑变形时间序列预测 被引量:26
17
作者 曹净 丁文云 +2 位作者 赵党书 宋志刚 刘海明 《控制工程》 CSCD 北大核心 2015年第3期475-480,共6页
现场量测获得的基坑变形资料蕴含了系统内部力学演化信息。针对基坑变形影响因素的复杂性、监测数据的高度非线性以及人工神经网络方法的过学习问题,利用粒子群(PSO)算法优选最小二乘支持向量机(LSSVM)参数,并结合相空间重构理论进行数... 现场量测获得的基坑变形资料蕴含了系统内部力学演化信息。针对基坑变形影响因素的复杂性、监测数据的高度非线性以及人工神经网络方法的过学习问题,利用粒子群(PSO)算法优选最小二乘支持向量机(LSSVM)参数,并结合相空间重构理论进行数据预处理,提出了一种基于PSO-LSSVM模型的基坑变形时间序列预测方法。利用该方法建立基坑变形预测模型应用于动态设计和信息化施工,对保证基坑安全具有重要意义。将该方法用于昆明某基坑工程的深层水平位移预测,不断利用基坑前期工况的最新实测数据建模,对后期工况变形量进行滚动预测,获得了令人满意的效果。 展开更多
关键词 基坑变形 时间序列预测 最小二乘支持向量机 粒子群优化算法 相空间重构
在线阅读 下载PDF
基于LSSVM与SMO稀疏化算法的短期负荷预测 被引量:6
18
作者 刘耀年 沈轶群 +1 位作者 姜成元 陈灵根 《继电器》 CSCD 北大核心 2008年第4期63-66,共4页
针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最... 针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度。将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果。 展开更多
关键词 最小二乘支持向量机 序列最小优化 短期负荷预测 剪枝算法 稀疏化
在线阅读 下载PDF
非线性回归支持向量机的SMO算法改进 被引量:11
19
作者 赵长春 姜晓爱 金英汉 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第1期125-130,共6页
为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化(SMO,Sequential Minimal Optimization)算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,... 为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化(SMO,Sequential Minimal Optimization)算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果. 展开更多
关键词 支持向量机 回归 非线性数据 非线性函数 序列最小优化算法
在线阅读 下载PDF
EMD-ISMO算法在电力负荷预测中的应用 被引量:6
20
作者 翟永杰 周倩 韩璞 《系统仿真学报》 CAS CSCD 北大核心 2010年第12期2858-2861,共4页
电力负荷是受多种因素影响的复杂非线性系统,具有明显的周期波动性和趋势性。利用集平稳化和层次化处理能力于一体的经验模态分解(EMD)方法处理非线性非平稳信号的有效性,对电力负荷数据进行平稳化处理,分离出12组IMF数据,包含若干个不... 电力负荷是受多种因素影响的复杂非线性系统,具有明显的周期波动性和趋势性。利用集平稳化和层次化处理能力于一体的经验模态分解(EMD)方法处理非线性非平稳信号的有效性,对电力负荷数据进行平稳化处理,分离出12组IMF数据,包含若干个不同频率的平稳分量,能更明显地看出原负荷序列的周期项、随机项和趋势项;结合对负荷数据具有很好预测能力的改进SMO算法(ISMO),对IMF数据进行分别预测和组合预测,提出了一种EMD-ISMO算法。实验结果表明,该方法无论在预测精度还是收敛速度上都比单纯的SMO算法有了很大改进,取得了很好的预测效果。 展开更多
关键词 经验模态分解 支持向量机 序列最小优化 负荷预测
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部