作者：王定成; 陆一祎; 邹勇杰最小二乘支持向量回归直觉模糊多输出风气象预测风速和风向的预测
摘要：支持向量机回归是一种重要的机器学习算法,虽然已成功应用于多个领域,但针对复杂系统,单输出支持向量回归算法的训练时间过长并且缺乏实用性.多输出直觉模糊最小二乘支持向量回归(Intuitionistic Fuzzy Least Squares Support Vector Regression,IFLS-SVR)在多输出支持向量机的基础上引入了直觉模糊,解决了不确定多输出复杂系统问题,减少了训练时间.生活中复杂的多输出模型更为常见,文中在传统支持向量回归的基础上对其进行改进,提出多输出IFLS-SVR模型.多输出IFLS-SVR采用直觉模糊算法将实际数据转化为模糊数据,将二次规划优化问题转化为求解一系列线性方程组.与现有的模糊支持向量回归相比,多输出IFLS-SVR采用直觉模糊方法来计算隶属度函数,采用最小二乘法提高了算法的训练效率,减少了训练时间,获得了更精确的解.仿真结果表明,与其他方法相比,多输出IFLS-SVR取得了较好的效果.最后将多输出IFLS-SVR模型应用于复杂的风速风向预测,也取得了较好的效果.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
