论文研究 基于PSO滚动优化的LS SVM预测控制.pdf

为提高最小二乘支持向量机的预测精度,拓展其应用范围,采用改进后的粒子群优化算法对最小二乘支持向量机进行参数寻优,并应用于芦岭煤矿煤与瓦斯突出危险性类型预测。结果表明优化后的模型比神经网络预测的结果精度

木材干燥过程的优化SVM建模研究，朱良宽，王子博，针对常规木材干燥过程的特点，研究了木材干燥过程的优化SVM模型问题，提出一种基于混合核函数的支持向量机建模方法，对木材干燥过

利用离子群优化（PSO）算法的全局搜索功能和最小二乘支持向量机（LSSVM）泛化能力强、运算速度快的特点，设计了一种温度控制器。通过LSSVM 对输入输出数据的训练学习，建立其预测模型；然后运用粒子群

提出一种应用于单相并网逆变器的可降低开关损耗的模型预测控制方法。该方法基于单相逆变器的离散状态模型,首先加入参考电流方向的判断,对开关状态进行初步筛选并且闭锁部分器件的状态,设置电流跟踪差为指标函数,

基于人工鱼群算法的SVM参数优化及应用，杨利红，白静，在支持向量机的应用中发现其学习性能的好坏与核函数及其参数选择有着直接的关系，但由于应用不同，各类特征有很大的差别，并且无

针对P2P应用提出了一种采用DFI深度流分析的方法,通过还原会话流,提取P2P数据流的各种属性特征,采用Grid Search、遗传算法、粒子群算法三种不同算法优化的支持向量机对网络数据流进行分类。通

这篇英文文献收录在sci中，采用的PSO-SVM进行数据分析

基于小波去噪和LS-SVM的母线负荷预测,刘峰,丁晓群,负荷预测是电力系统发展规划、组织调度、实施控制的基础,对电力系统安全经济运行有着重要的意义。其中,母线负荷预测对提高电力

提出了一种基于最小二乘支持向量机(LS-SVM)的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行

基于缺陷分层与PSO算法的软件缺陷预测模型，郝世锦，崔冬华，根据软件开发分层的思想，提出了基于软件缺陷分层的测试构架。在缺陷分层的测试架构下可以知道测试类之间的的关系和属性，容易发