支持向量回归估计性能分析

被引:6
作者
宋晓峰
陈德钊
胡上序
机构
[1] 南京航空航天大学生物医学工程系,浙江大学智能信息工程研究所,浙江大学智能信息工程研究所江苏,南京,,浙江,杭州,,浙江,杭州,
关键词
支持向量回归; 回归估计; 参数;
D O I
10.16866/j.com.app.chem2005.07.002
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
本文对支持向量机用于回归估计进行了详细的性能分析,得出了不敏感系数、惩罚因子和核函数及其参数是影响支持向量机回归估计性能的主要因素。不敏感系数可控制模型的泛化推广能力,其值的确定应考虑样本可能带有的噪声分布状况,惩罚因子可控制拟合曲线复杂性,核函数宽度系数可影响回归曲线光滑程度。因此,在采用支持向量机回归建模时,应根据建模对象选定合适的参数值,以保证回归建模效果。最后通过对原油实沸点蒸馏曲线的拟合问题验证了分析结果,为进一步研究确定SVM参数的优化方法打下了基础。
引用
收藏
页码:7 / 11
页数:5
相关论文
共 5 条
[1]   结构可调的支持向量回归估计 [J].
宋晓峰 ;
陈德钊 ;
胡上序 .
控制与决策, 2003, (06) :698-702
[2]   支持向量机算法在化学化工中的应用 [J].
陈念贻 ;
陆文聪 .
计算机与应用化学, 2002, (06) :673-676
[3]   基于先验知识的前馈网络对原油实沸点蒸馏曲线的仿真附视频 [J].
陈翀伟 ;
陈德钊 ;
叶向群 ;
胡上序 .
高校化学工程学报, 2001, (04) :351-356
[4]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[5]  
Choosing Multiple Parameters for Support Vector Machines.[J] . Olivier Chapelle,Vladimir Vapnik,Olivier Bousquet,Sayan Mukherjee. Machine Learning . 2002 (1-3)