摘要：加权最小二乘支持向量机（WLS-SVM）的学习性能和泛化能力取决于其正则化因子C和核函数参数σ的取值.对此,针对WLS-SVM建立C和σ的组合优化目标函数,采用基于Lozi映射的粒子群（PSO）算法来搜索最优目标函数值.迭代过程中,通过分别映射PSO个体最优位置,把产生的混沌序列中的最优解分别逆运算取代当前个体最优位置,引入混沌机制,以混沌变量的遍历性改进粒子群算法,提高全局搜索能力,避免过早陷入局部最优.将其应用于某玩具企业原料月消耗量预测,结果表明了文中所提方法的有效性.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社