支持向量回归机模型结构及性能的研究

doi:10.3778/j.issn.1002-8331.2008.32.016

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (32): 53-56.DOI: 10.3778/j.issn.1002-8331.2008.32.016

支持向量回归机模型结构及性能的研究

司利云,林辉

西北工业大学自动化学院，西安 710072

收稿日期:2007-12-12 修回日期:2008-03-26 出版日期:2008-11-11 发布日期:2008-11-11
通讯作者: 司利云

Study on model structure and approximation performance of Support Vector Regression

SI Li-yun,LIN Hui

Automatic College of Northwestern Polytechnical University，Xi’an 710072，China

Received:2007-12-12 Revised:2008-03-26 Online:2008-11-11 Published:2008-11-11
Contact: SI Li-yun

摘要/Abstract

摘要： 总结了目前提出的四类不同结构的支持向量回归机（Support Vector Regression，SVR）模型，并在此基础上提出了三种新的模型结构，通过试验手段对比了几种典型模型的逼近性能，分析了各个模型在应用中存在的优缺点，为实际应用中采用合适的模型提供一种选择方法。

关键词: 支持向量回归机, 模型结构, 函数逼近性能

Abstract: The four kinds of model structures of Support Vector Regression（SVR） are introduced，and the three new model structures are presented.The approximation performance of several typical SVR functions is discussed by trial.This paper analyses relative merits of these typical functions，therefore provides one choice method for optimal SVR according to actual condition.

Key words: Support Vector Regression（SVR）, model structure, approximation performance

司利云,林辉. 支持向量回归机模型结构及性能的研究[J]. 计算机工程与应用, 2008, 44(32): 53-56.

SI Li-yun,LIN Hui. Study on model structure and approximation performance of Support Vector Regression[J]. Computer Engineering and Applications, 2008, 44(32): 53-56.

[1]	马梦萍，杨志霞. 非对称ν-无核二次曲面支持向量回归机[J]. 计算机工程与应用, 2021, 57(7): 70-77.
[2]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[3]	高雷阜，高晶，赵世杰. 人工蜂群算法优化SVR的预测模型[J]. 计算机工程与应用, 2016, 52(11): 55-59.
[4]	米根锁，赵丽琴，罗淼. GCPSO优化混合核SVM的地铁车站客流预测[J]. 计算机工程与应用, 2015, 51(14): 231-235.
[5]	王新1，王乾1，赵志科2. 基于SVR的经验模态分解端点延拓改进方法[J]. 计算机工程与应用, 2014, 50(9): 204-208.
[6]	刘建华. 相空间重构和SVR联合优化的短时交通流预测[J]. 计算机工程与应用, 2014, 50(3): 13-17.
[7]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 基于IHS_LSSVR的网络安全态势预测方法[J]. 计算机工程与应用, 2014, 50(23): 91-94.
[8]	卢振兴，杨志霞，高新豫. 最小二乘双支持向量回归机[J]. 计算机工程与应用, 2014, 50(23): 140-144.
[9]	兰娇1，覃锡忠1，贾振红1，陈丽2. 基于改进半监督SVR算法的忙时话务量预测[J]. 计算机工程与应用, 2014, 50(20): 211-214.
[10]	成科，宋海声，安占福，孔永胜. 基于GA参数优化的t-SVR网络安全风险评估方法[J]. 计算机工程与应用, 2014, 50(12): 91-95.
[11]	黄敏1，胡学钢2. 基于支持向量机的网络舆情混沌预测[J]. 计算机工程与应用, 2013, 49(24): 130-134.
[12]	吴方圆，孔峰，姚江云. 改进LS-SVR在线控转向系统容错控制中的应用[J]. 计算机工程与应用, 2013, 49(12): 237-241.
[13]	刘毅，刘传菊. 应用于实时控制系统的线程池调度策略设计[J]. 计算机工程与应用, 2010, 46(32): 71-73.
[14]	李建伟^1，2，杨晓光¹，汪友华¹. 多维输出SVR的ECT两相流图像重建方法[J]. 计算机工程与应用, 2010, 46(31): 157-160.
[15]	陈冬冬. 一种有效的供应链绩效预测方法及其应用[J]. 计算机工程与应用, 2010, 46(21): 235-237.

支持向量回归机模型结构及性能的研究

Study on model structure and approximation performance of Support Vector Regression

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics