司剛?cè)溆隆堃?/p>

摘要：針對最小二乘支持向量機在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進行建模預(yù)測時，稀疏化模型魯棒性差的問題，提出了一種基于模糊C均值聚類和密度加權(quán)的稀疏化方法，首先通過模糊（、均值聚類將訓(xùn)練樣本劃分為若干個子類；然后計算每個子類中各樣本的可能貢獻(xiàn)度，依次從每個子類中選取具有最大可能貢獻(xiàn)度的樣本作為支持向量；最后更新每個樣本的可能貢獻(xiàn)度，繼續(xù)從各個子集中增選支持向量，直至稀疏化后的模型性能滿足要求，仿真結(jié)果和磨機負(fù)荷實際應(yīng)用表明，該方法能夠兼顧模型在整體樣本集和各工況子集上的性能，在實現(xiàn)模型稀疏化的同時，能夠顯著改善最小二乘支持向量機模型的魯棒性。