基于麻雀算法优化LS-SVM，实现多输入风电功率预测的最小二乘支持向量机？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1728个文字，预计阅读时间需要7分钟。
1. 简介：本文提出了一种基于最小二乘支持向量机（LSSVM）的数据预测方法，该法优化了基于最小二乘支持向量机的预测算法。LSSVM是一种新型机器学习算法，它在传统支持向量机（SVM）的基础上，将二次规划问题中的不等式约束改为等式约束。
1 简介
本文提出一种麻雀算法优化基于最小二乘支持向量机的数据预测方法。LSSVM 是一种新型机器学习算法，其在传统支持向量机 SVM 基础上，将二次规划问题中的不等式约束改为等式约束，极大地方便了求解过程，克服了数据集粗糙、数据集波动性大等问题造成的异常回归，能有效避免 BP 神经网络等方法中出现的局部最优等问题。
麻雀搜索算法( sparrow search algorithm，SSA) 是新群智能优化算法，具有良好的全局搜索能力和 快速收敛性。与其他群智能算法一样来源于对生物体觅食情况的观察，麻雀种群在觅食过程中分为 两个部分: 发现者和加入者。发现者负责搜索食物 并为种群中的其他个体提供觅食区域和方向，通常 是具有高能源储备的个体，其所对应的适应度函数 值更优。加入者对应为适应度函数值较差的个体， 它们通过发现者留下的信息获得食物。适应度值 最差的部分麻雀找不到食物，为了寻找到食物它们 可能跳出当前的搜索区域，到其他的地方觅食。种 群中的每只麻雀都会监视其他同伴的行为，并且部 分麻雀会攻击摄取量较高的同伴争夺资源。
本文共计1728个文字，预计阅读时间需要7分钟。
1. 简介：本文提出了一种基于最小二乘支持向量机（LSSVM）的数据预测方法，该法优化了基于最小二乘支持向量机的预测算法。LSSVM是一种新型机器学习算法，它在传统支持向量机（SVM）的基础上，将二次规划问题中的不等式约束改为等式约束。
1 简介
本文提出一种麻雀算法优化基于最小二乘支持向量机的数据预测方法。LSSVM 是一种新型机器学习算法，其在传统支持向量机 SVM 基础上，将二次规划问题中的不等式约束改为等式约束，极大地方便了求解过程，克服了数据集粗糙、数据集波动性大等问题造成的异常回归，能有效避免 BP 神经网络等方法中出现的局部最优等问题。
麻雀搜索算法( sparrow search algorithm，SSA) 是新群智能优化算法，具有良好的全局搜索能力和 快速收敛性。与其他群智能算法一样来源于对生物体觅食情况的观察，麻雀种群在觅食过程中分为 两个部分: 发现者和加入者。发现者负责搜索食物 并为种群中的其他个体提供觅食区域和方向，通常 是具有高能源储备的个体，其所对应的适应度函数 值更优。加入者对应为适应度函数值较差的个体， 它们通过发现者留下的信息获得食物。适应度值 最差的部分麻雀找不到食物，为了寻找到食物它们 可能跳出当前的搜索区域，到其他的地方觅食。种 群中的每只麻雀都会监视其他同伴的行为，并且部 分麻雀会攻击摄取量较高的同伴争夺资源。