司刚全　娄勇　张寅松

摘要：针对最小二乘支持向量机在利用产生于工业现场的非理想数据集进行建模预测时，稀疏化模型鲁棒性差的问题，提出了一种基于模糊C均值聚类和密度加权的稀疏化方法，首先通过模糊（、均值聚类将训练样本划分为若干个子类；然后计算每个子类中各样本的可能贡献度，依次从每个子类中选取具有最大可能贡献度的样本作为支持向量；最后更新每个样本的可能贡献度，继续从各个子集中增选支持向量，直至稀疏化后的模型性能满足要求，仿真结果和磨机负荷实际应用表明，该方法能够兼顾模型在整体样本集和各工况子集上的性能，在实现模型稀疏化的同时，能够显著改善最小二乘支持向量机模型的鲁棒性。