文献类型：期刊文章

作　　者：陈其松[1] 陈孝威[1] 张欣[2] 戚琳[3] 吴茂念[1]

机构地区：[1]贵州大学计算机科学与技术学院,贵州贵阳550025 [2]贵州省光电子技术与应用重点实验室,贵州贵阳550025 [3]贵州电力培训中心,贵州贵阳550002

出　　处：《微电子学与计算机》

基　　金：贵州省自然科学基金项目(20092112)

年　　份：2010

卷　　号：27

期　　号：7

起止页码：218-221

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD_E2011_2012、JST、ZGKJHX、核心刊

摘　　要：针对支持向量机在大规模训练中算法收敛速度慢、复杂程度高等问题,采用量子粒子群算法选取最小二乘支持向量机的模型参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和泛化能力.实验结果表明,该算法具有容易实现、节省计算成本、提高收敛速度等优点,应用于火电锅炉主汽温预测模型,取得良好的效果.

关 键 词：量子粒子群算法 支持向量机 优化  预测  

分 类 号：TP301] TP18[计算机类]