收藏本站
《中国科学技术大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量回归机理论及其工业应用研究

安文森  
【摘要】:基于数据的机器学习是现代智能信息处理技术十分重要的一个方面,主要研究如何从一些观测数据出发得出目前尚不能通过原理分析得到的规律,从而利用这些规律去分析、认识客观对象,并对未来数据或无法观测的数据进行预测。 支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法。它最先由Vapnik及其合作者在20世纪90年代提出,近年来无论是从理论研究、算法实现还是应用方面都有了突飞猛进的发展。 然而,作为一种相对年轻的技术,支持向量机在许多方面仍不完善。因此进一步发展和完善支持向量机的理论和方法,以及拓展支持向量机在实际中的应用范围具有十分重要的意义。本文针对支持向量回归机理论和应用两方面进行研究和探索,主要工作包括以下几个方面: 1)提出了一种基于信息几何的支持向量回归机核函数构建算法。支持向量机的性能在很大程度上依赖于核函数的选取,然而目前对于核函数的选择还缺乏理论指导。在从信息几何角度分析核函数几何结构的基础上,提出一种核函数构建算法,使得核函数能充分利用样本数据的信息,从而提高支持向量回归机的性能;在钢水温度预报中的应用表明了方法的有效性。 2)证明了核框架下SILF-SVR与普通Kriging的等价性关系。从数值分析的角度看,支持向量回归机是一种数据插值方法。在给出一种由新的“统一”损失函数(SILF)得到的支持向量回归机的“统一”表达式(SILF-SVR)后,证明了其与另一种数据插值方法——普通Kriging的等价性;并根据两者的等价性关系给出一种核函数参数的选择方法。 3)提出了一种基于领域知识的支持向量回归机算法。标准的支持向量机是完全基于数据的,也即是说,由标准的支持向量机算法得到的模型与问题的领域知识无关,完全取决于训练数据本身。然而实际中我们总可以得到一定的领域知识,为了解决此问题,提出了一种集成领域知识的训练算法;在此基础之上给出了一种信息融合的框架。 4)研究了基于区间信息的支持向量回归机。在实际获取样本时,由于受到
【学位授予单位】:中国科学技术大学
【学位级别】:博士
【学位授予年份】:2006
【分类号】:TP18

【引证文献】
中国期刊全文数据库 前2条
1 丁凯;方向;陆凡东;李栋;;基于支持向量机的振动加速度峰值预测模型[J];探测与控制学报;2010年04期
2 陈春雨;胡江;;支持向量机在射频功率器件建模中的应用[J];应用科技;2011年03期
中国重要会议论文全文数据库 前1条
1 任双瑛;徐达;;基于支持向量机的火炮身管烧蚀磨损预测模型研究[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年
中国博士学位论文全文数据库 前1条
1 张玲瑄;高效微细电火花加工若干关键技术研究[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前3条
1 廖龙飞;多输出支持向量机及其应用研究[D];北京化工大学;2011年
2 胡江;支持向量机在射频功率器件建模中的应用研究[D];哈尔滨工程大学;2011年
3 李威特;胎面生产过程关键段模型研究[D];武汉理工大学;2008年
【参考文献】
中国期刊全文数据库 前10条
1 李建民 ,张钹 ,林福宗;序贯最小优化的改进算法[J];软件学报;2003年05期
2 张浩然,韩正之;回归支持向量机的改进序列最小优化学习算法[J];软件学报;2003年12期
3 王玉辉,宋蕴兴,孙彦广;人工智能技术在钢水温度预报中的应用[J];天津轻工业学院学报;2002年02期
4 冯瑞,张浩然,邵惠鹤;基于SVM的软测量建模[J];信息与控制;2002年06期
5 马勇,黄德先,金以慧;基于支持向量机的软测量建模方法[J];信息与控制;2004年04期
6 许永华;吴敏;曹卫华;;基于信息融合的高炉料面分布模型与应用[J];信息与控制;2005年06期
7 安文森;孙彦广;;一种新的支持向量回归核函数构建方法[J];信息与控制;2006年03期
8 孙彦广,王代先,陶白生,颜涛,史扬,方树飙,王远厚,沈文荣,倪根来,钱王平,翟强;智能钢包精炼炉控制系统[J];冶金自动化;1999年06期
9 陶百生,孙彦广,高克伟;神经元网络在钢淬透性计算中的应用[J];冶金自动化;2004年03期
10 孙彦广,陶百生,高克伟;基于智能技术的钢水温度软测量[J];仪器仪表学报;2002年S2期
【共引文献】
中国期刊全文数据库 前10条
1 夏晓;潘和平;;基于支持向量机的人民币兑美元汇率实证研究[J];管理学家(学术版);2010年08期
2 刘剑武;朱映映;宋娜;;融合音频特征的比赛场地主颜色聚类算法[J];莆田学院学报;2010年05期
3 熊思;鲁静;;基于TW SVMs的入侵检测方法[J];湖北第二师范学院学报;2009年02期
4 沈乐平;黄维民;饶天贵;;基于支持向量机的上市公司违规预警模型研究[J];中大管理研究;2008年02期
5 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期
6 孙长银;穆朝絮;李训铭;;一类非线性逆系统的加权最小二乘支持向量机辨识方法[J];中国科学(F辑:信息科学);2009年04期
7 罗向阳;刘粉林;杨春芳;王道顺;;基于最优小波包分解的图像隐写通用检测[J];中国科学:信息科学;2010年02期
8 蔡冬松;靖继鹏;;基于最小二乘支持向量机的数据挖掘应用研究[J];情报科学;2005年12期
9 陈涛;谢阳群;;基于支持向量机的外贸企业客户分类方法应用研究[J];情报科学;2006年07期
10 肖钠;;我国信息生态理论研究综述[J];情报科学;2011年07期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
9 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
10 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
3 张涛;GPS/SINS超紧密组合导航系统的关键技术研究[D];哈尔滨工程大学;2010年
4 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
5 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
6 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
7 吕云飞;甚低频矢量水听器潜标探测系统关键技术研究[D];哈尔滨工程大学;2010年
8 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
9 何建民;面向网络社区聆听客户声音方法研究[D];合肥工业大学;2010年
10 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
3 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
4 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 焉杰;多传感器时滞系统信息融合及其仿真[D];山东科技大学;2010年
8 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
9 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
10 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期
2 李勇,王显军,郭,周兆英,严晓敏,胡敏;微细电火花加工关键技术研究[J];清华大学学报(自然科学版);1999年08期
3 余亮英;程祖海;朱海红;曹华梁;;强激光作用下水冷硅镜沟槽参数的模拟分析[J];强激光与粒子束;2007年03期
4 范红波;张英堂;任国全;罗鸿飞;;基于SVM的柴油机油液光谱预测模型研究[J];润滑与密封;2006年11期
5 张浩然,韩正之;回归支持向量机的改进序列最小优化学习算法[J];软件学报;2003年12期
6 冯一宁;邵元海;陈静;王来生;邓乃扬;;基于层次聚类的大样本加权支持向量机[J];计算机工程与设计;2009年01期
7 林强,张祖荫,郭伟;微波功率放大器非线性失真分析[J];微波学报;2004年04期
8 马克雄;电路元器件的物理模型法和宏模型法[J];武汉水利电力大学(宜昌)学报;2000年02期
9 胡蓉;;多输出支持向量回归及其在股指预测中的应用[J];计算机技术与发展;2007年10期
10 胡辉勇;张鹤鸣;吕懿;戴显英;侯慧;区健锋;王伟;王喜嫒;;SiGe HBT大信号等效电路模型[J];物理学报;2006年01期
中国博士学位论文全文数据库 前10条
1 刘宇;微细电火花加工中集肤效应的影响机理及相关技术研究[D];大连理工大学;2011年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
4 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
5 陈爱军;最小二乘支持向量机及其在工业过程建模中的应用[D];浙江大学;2006年
6 包哲静;支持向量机在智能建模和模型预测控制中的应用[D];浙江大学;2007年
7 姜静清;最小二乘支持向量机算法及应用研究[D];吉林大学;2007年
8 王明环;微细电解加工实验研究[D];南京航空航天大学;2007年
9 华晓杰;射频功率放大器大信号表征及频域非线性特征建模[D];哈尔滨工业大学;2008年
10 董颖怀;一种微型涡轮发动机的关键结构及其制造技术的研究[D];哈尔滨工业大学;2009年
中国硕士学位论文全文数据库 前10条
1 刘慧婷;EMD方法的研究与应用[D];安徽大学;2004年
2 周芳芹;基于统计数据的多变量过程建模技术[D];浙江工业大学;2006年
3 孙淑艺;基于支持向量机的间歇过程建模和优化控制[D];北京化工大学;2006年
4 任海滨;微细电火花线切割加工工艺规律研究[D];哈尔滨工业大学;2006年
5 宋贤民;基于SVM的污水处理过程软测量建模研究[D];南昌大学;2007年
6 邓容;微细电火花加工中电极损耗及补偿的算法与实验研究[D];上海交通大学;2008年
7 倪峰;微波非线性散射函数仿真技术的研究[D];西安电子科技大学;2008年
8 刘晓莉;微波非线性散射函数理论分析和基于BP神经网络大信号建模技术的研究[D];西安电子科技大学;2008年
9 张倩;微波非线性散射函数理论分析和基于递归神经网络大信号建模技术的研究[D];西安电子科技大学;2008年
10 曹进;微波非线性散射函数理论分析和基于小波神经网络大信号建模技术的研究[D];西安电子科技大学;2008年
【二级引证文献】
中国期刊全文数据库 前2条
1 高润鹏;伞冶;朱奕;;基于减量学习的鲁棒稀疏最小二乘支持向量回归机[J];探测与控制学报;2011年06期
2 姜俊泽;张伟明;周龙江;李正阳;;基于小波支持向量机的机动管道排空时间预测[J];油气储运;2013年05期
中国硕士学位论文全文数据库 前2条
1 吴清华;基于LS-SVM的电力变压器故障诊断与预测研究[D];西华大学;2010年
2 郭保腾;眼肌麻痹复视检测设备及诊断决策支持研究[D];哈尔滨工程大学;2013年
【二级参考文献】
中国期刊全文数据库 前5条
1 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
2 张铃,张钹,殷海风;多层前向网络的交叉覆盖设计算法[J];软件学报;1999年07期
3 马勇,黄德先,金以慧;基于支持向量机的软测量建模方法[J];信息与控制;2004年04期
4 陶百生,孙彦广,高克伟;神经元网络在钢淬透性计算中的应用[J];冶金自动化;2004年03期
5 段明祥;工业控制与自动化的创新与技术进展[J];自动化博览;2003年S1期
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026