WD-LSSVM在软测量建模中的应用

摘要：

最小二乘支持向量机(Least Square Support Vector Machine，LSSVM)是基于支持向量机方法的一种改进算法。它是支持向量机(Support Vector Machine，SVM)在二次损失函数下的一种形式，通过构造损失函数将原支持向量机中算法的二次寻优变为求解线性方程，其求解速度较快，在各个领域中都得到了广泛的应用和进一步的研究发展。本文以预测丙烯腈的收率为背景，应用小波理论对采用数据作出预处理，提出了基于小波去噪的最小二乘支持向量机(WD-LSSVM)。经仿真发现，小波去噪(wavelet denoising,WD)后的结果和未去噪前的结果作出了对比，证明预处理的重要性。

关键词： 小波变换 小波去噪 最小二乘支持向量机 丙烯晴 软测量建模

作者: 周旦丽 蒋爱平

作者单位: 华东理工大学信息学院自动化系 上海 200237

会议类型: 国内会议

会议名称: 第十九届全国测控、计量、仪器仪表学术年会

会议地点: 桂林

会议语种:中文

页码: 68-71

在线出版日期: 2009-11-01（万方平台首次上网日期，不代表论文的发表时间）