收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量回归的模型选择及应用研究

刘靖旭  
【摘要】: 统计学习理论是针对小样本情况下的机器学习理论,其核心思想是通过控制学习机器的复杂度实现对学习机器推广能力的控制。在这一理论中发展起来的支持向量机是一种新的通用学习方法,它较以往方法表现出一些理论和实践上的优势,已经在模式识别、回归估计、时间序列预测等多方面得到成功应用。支持向量回归(SVR)是支持向量机用于解决回归问题时的推广形式。本文从基于仿真的武器系统作战效能分析的需求出发,将SVR应用于响应曲面建模,并着重对SVR的模型选择问题进行研究,目的是提高SVR的估计精度。 SVR通过核函数实现非线性情况下的推广,核函数的选择隐含地确定了映射函数和特征空间,选择或者构造与特定问题相适合的核函数是提高SVR性能的一种重要途径。本文通过实验对采用两种典型核函数——多项式核函数和径向基核函数的SVR对噪声的鲁棒性进行比较分析,在此基础上提出利用组合核函数提高SVR的鲁棒性,并分析了这两类核函数在两种简单组合方式下的可能组合形式。实验表明使用两类核函数的组合能够提高SVR的鲁棒性,所得结论对组合核函数的选择具有一定的参考价值。本文提出通过定义局部核将属性相对重要性的信息引入到SVR,实验结果表明引入权重客观信息的SVR比使用标准核函数的SVR具有更好的性能。 在核函数的类型确定以后,模型选择就等价于对SVR中的超参数的优化,这通常通过最小化推广误差的估计来实现。本文针对当前SVR推广误差的估计大多需要较大计算费用的情况,推导出SVR的留一法误差的易于计算的界,这个界在得到学习算法的解后需要很少的额外工作量。然后根据此界的特点,提出了基于差商的参数优化算法,用差商代替导数的计算,具有较大的适用范围。本文参考参数调整的一些经验方法,通过对径向基核函数SVR的交叉验证误差随参数变化规律的分析,设计了一种启发式搜索算法,以提高基于交叉验证误差进行参数调整的效率。基准数据集上的实验表明所提算法的有效性和高效性。 响应曲面建模方法实现仿真系统输入-输出间关系的近似,基于建立的响应曲面,系统优化、因素权衡等复杂分析将变得简单而高效。传统的响应曲面法使用低阶多项式进行响应曲面的构建,不便于响应函数非线性或者自变量空间取值范围较大时的研究,本文将SVR应用于响应曲面建模。针对SVR用于响应曲面构建时的特征选择、多响应建模等需求,提出基于线性规划的特征选择方法,设计了易于求解的多响应SVR模型,此模型可以直接利用当前的SVR训练算法进行求解。并对用于SVR模型的实验设计进行讨论,根据增量式实验设计的特点,设计了一种与此种实验设计相结合的SVR增量式学习算法。另外,还将SVR响应曲面建模方法同其他的响应曲面建模方法进行比较分析。 作战仿真是武器系统作战效能分析的重要方法,本文提出基于仿真的武器系统作战效能分析基本框架,考虑到基于仿真的复杂分析的高仿真费用,将响应曲面模型纳入该框架内。基于此框架,以“装甲车辆总体仿真及作战效能分析”项目为背景,对主战坦克武器系统的作战效能分析问题进行实例研究。利用SVR实现关键性能参数的识别和响应曲面的构建,并基于建立的模型进行系统性能参数的优化分析。实验结果表明SVR用于作战效能分析的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王素云;崔丽威;宫雷;曹苏娜;;SVM方法在滚动轴承故障诊断中的应用[J];西安文理学院学报(自然科学版);2011年03期
2 曹葵康;沈海斌;;基于多样本的在线支持向量回归算法[J];浙江大学学报(理学版);2011年04期
3 郭金玲;樊东燕;;基于SVM的山西省旅游需求预测与分析[J];电脑开发与应用;2011年09期
4 杨建辉;李龙;;基于SVR的期权价格预测模型[J];系统工程理论与实践;2011年05期
5 吴军;邓超;邵新宇;熊尧;;基于加工动力学模型的工艺可靠性仿真方法[J];系统工程理论与实践;2011年07期
6 樊高峰;张勇;柳苗;毛燕军;;基于支持向量机的干旱预测研究[J];中国农业气象;2011年03期
7 丁蕾;朱德权;;基于BP与SVR的非线性回归之比较[J];安庆师范学院学报(自然科学版);2011年02期
8 孔凡哲;宋晓猛;占车生;叶爱中;;水文模型参数敏感性快速定量评估的RSMSobol方法[J];地理学报;2011年09期
9 张微;张伟;刘世英;杨金中;茅晟懿;;基于核PCA方法的高分辨率遥感图像自动解译[J];国土资源遥感;2011年03期
10 吕琦;;基于SVM的股票时间序列的预测研究[J];吉林工程技术师范学院学报;2011年07期
11 顾锦荣;刘华强;刘向陪;吕庆平;;基于遗传算法-支持向量机模型在热带气旋强度预报中的应用[J];海洋预报;2011年03期
12 梁爽;张立坡;;熵权核函数支持向量机[J];科技致富向导;2011年20期
13 肖翔;;支持向量机在变压器故障诊断中的应用[J];科技资讯;2011年15期
14 许景飞;汤绍春;崔丹丹;牛善洲;;基于支持向量机的神经元形态分类[J];数学的实践与认识;2011年14期
15 张泽麟;徐金玉;;基于支撑向量机的神经元分类器[J];宜宾学院学报;2011年06期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
2 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
3 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
4 陈唯实;毛峡;王宝发;刘铁军;;电磁散射分析的数据驱动建模方法研究[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(下册)[C];2008年
5 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
7 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
8 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
9 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集(上册)[C];2001年
10 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
2 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
3 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年
4 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
5 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
6 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
7 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年
8 刘靖旭;支持向量回归的模型选择及应用研究[D];国防科学技术大学;2006年
9 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
10 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
2 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
3 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
4 王刚;支持向量回归机在药品销售预测中的分析及应用[D];云南财经大学;2010年
5 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
6 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
7 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
8 陈超;基于支持向量回归的集成价格预测方法研究[D];吉林大学;2011年
9 韦忠升;支持向量机算法研究及其在智能交通系统中的应用[D];天津大学;2006年
10 冷喜武;支持向量回归在短期负荷预测中的应用研究[D];华北电力大学(河北);2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978