搜索结果: 1-4 共查到“数理统计学 支持向量回归”相关记录4条 . 查询时间(0.147 秒)
基于支持向量回归的非线性系统辨识
2007/12/13
Abstract本文将支持向量回归方法应用于非线性系统辨识问题．基于高斯支持向量回归及ε不敏感损失函数的基本思想，本文提出一个非线性系统辨识的新算法，并将其与用于系统辨识的径向基函数神经网络进行了比较．模拟实验表明，支持向量回归方法可以成为非线性系统辨识的有力工具．
一种新的支持向量回归核函数构建方法
2007/12/12
Abstract首先，讨论了支持向量回归（support vector regression，SVR）的基本原理．然后，从信息几何的角度分析了核函数的几何结构，通过共形变换（conformal transformation）构建与数据依赖(data-dependent)的核函数，使得特征空间在支持向量附近的体积元缩小，以改善SVR的机器性能．实验结果表明了方法的有效性．
基于递推最小二乘支持向量回归估计的建模与预报
2007/12/12
Abstract提出一种新的递推最小二乘支持向量回归估计算法（RLS-SVR），该算法具有实时性高、更新速度快的特点．充分应用RLS-SVR在线学习和训练的实时性，避免辨识模型的维数过高而降低估计精度，本文进一步提出了基于RLS-SVR的混合训练—估计辨识结构．TE过程的组分软测量建模和预报验证了该方法的有效性和优越性．
支持向量回归的一种网络优化策略
支持向量回归
递归最小二乘算法
网络优化
2007/8/27
Abstract提出一种用于支持向量回归的网络优化策略.学习策略分为两个阶段:首先训练支持向量机, 得到支持向量回归的初始结构和参数,构造一个无阈值的支持向量回归网络;然后通过带有遗忘因子的递归最小二乘算法, 优化计算支持向量回归网络的权值, 以达到更好的函数拟合精度.与支持向量回归相比, 这种策略可以得到最优的权值和阈值.仿真结果表明, 该网络性能优良, 具有在线应用的潜力.