摘要:为了提高最小二乘支持向量机(LSSVM)的学习性能和泛化能力,提出了混沌粒子群优化(CPSO)算法和交叉验证(CV)算法相结合的LSSVM参数寻优方法。CPSO算法将混沌搜索引入到粒子群算法中产生初始混沌粒子,并在粒子运动中不断加入混沌扰动,实现LSSVM参数的自动选取。利用交叉验证误差构造粒子的适应度函数,为参数选择提供评价标准。陀螺仪随机漂移是影响陀螺仪性能可靠性的主要因素,将经过参数寻优的LSSVM用于建立陀螺仪随机漂移的时间序列预测模型,预测值与实际值相差较小,可为陀螺仪的故障趋势预测提供依据。实验结果表明CPSO算法是选取LSSVM参数的有效方法,所建的回归模型具有较高的预测精度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社