一种改进的在线核函数算法

在基于自适应选择核函数基础上,通过引用朴素正则风险最小化准则,提出了一种改进的在线核函数算法。算法在时间窗向前移动的同时,依靠LS-SVM截断误差最小化算法,选取合适的拉格郎日因子,对新增的样本数据进行重新训练。有效地克服了现有方法收敛精度低和不能自适应选择样本的困难,能广泛应用在分类、回归和奇异值检测中。数值仿真结果表明,该算法与现有的算法相比具有预测精度高,泛化能力强等特点。