基于改进克隆选择算法的最小二乘支持向量机  

Least Squares Support Vector Machines Based on Improved Clonal Selection Algorithm

作　　者：徐勇[1] 张广辉[1] 钱锋[1] 

机构地区：[1]华东理工大学化学工程联合国家重点实验室,上海200237

出　　处：《华东理工大学学报（自然科学版）》2008年第5期729-733,共5页Journal of East China University of Science and Technology

基　　金：国家杰出青年科学基金(60625302);国家自然科学基金项目(60704028);国家863计划(2007AA04Z192;2007AA04Z159);上海市基础研究重点项目(07JC14016);长江学者和创新团队发展计划资助(IRT0721);高等学校学科创新引智计划(B08021);上海市重点学科建设项目资助(B504)

摘　　要：针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克隆选择算法的目标函数中加入两者的动态调节机制,这样改进的克隆选择算法在寻优过程中能够准确、快速地搜索到最小二乘支持向量机的最优参数。将本文模型用于乙烯裂解炉裂解深度值的学习和预测,经仿真实验表明:该预测模型的训练速度快,预测精度高。In order to cope with the parameters optimization of least squares support vector machines, a new least squares support vector machines based on adaptive clonal selection algorithm is proposed. Dynamic adjusting mechanism is introduced by considering the training and generalization. The improved clonal selection algorithm can accurately and quickly find the optimal parameters of least squares support vector machines. The model proposed in this paper is used to train and predict the cracking severity of cracking furnace. The simulation results show that this prediction model is accurate.

关 键 词：最小二乘支持向量机 克隆选择算法 动态调节 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]