摘要：最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）算法是一种优化的支持向量机（Support Vector Machine,SVM）算法,针对该算法稀疏性差,支持向量过多的问题,提出了一种基于Tsallis熵的稀疏算法。分析了最小二乘支持向量机算法的训练过程,提出了增量算法和Tsallis熵的概念,以此为基础提出了一种解决算法稀疏性的改进算法;最后对算法进行了仿真。仿真结果表明,该改进算法相比于传统算法稀疏性更强,适用于大样本集的系统辨识。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社