模糊核聚类支持向量机集成模型及应用

作者：张娜; 张永平

来源：计算机应用, 2010, (01): 175-177.

• 最小二乘支持向量机
• 模糊核聚类
• 集成学习
• 短期负荷预测 Least Squares Support Vector Machine(LS-SVM)
• Kernel Fuzzy C-Means clustering(KFCM)
• ensemble learning
• short-term load forecasting

为了进一步提高支持向量机在回归预测中的精度,提出一种基于模糊核聚类的最小二乘支持向量机集成方法。该方法采用模糊核聚类算法根据相互独立训练出的多个LS-SVM在验证集上的输出对其进行分类,并计算每一类中的所有个体在独立验证集上的泛化误差,然后取其中平均泛化误差最小的个体作为这一类的代表,最后经简单平均法得到集成的最终预测输出。在短期电力负荷预测中的实验结果表明,该方法具有更高的精确度。

• 出版日期2010
• 单位中国矿业大学; 中国矿业大学（北京）