搜索结果: 1-6 共查到“计算机科学技术 SVR”相关记录6条 . 查询时间(0.107 秒)
RQEA-SVR在交通流预测中的应用
支持向量机 参数优选 实数量子进化算法 交通流预测
2010/3/26
建立在统计学习理论和结构风险最小化准则基础上的支持向量回归（SVR）是处理小样本数据回归问题的有利工具，SVR的参数选取直接影响其学习性能和泛化能力。文中将SVR参数选取看作是参数的组合优化问题，确定组合优化问题的目标函数，采用实数量子进化算法（RQEA）求解组合优化问题进而优选SVR参数，形成RQEA-SVR，并应用RQEA-SVR求解交通流预测问题。仿真试验表明RQEA是优选SVR参数的有效方...
r-SVR的PSO求解方法
支持向量回归机 r范数损失函数 粒子群优化算法
2009/10/22
针对r接近1时牛顿法不可求解r-SVR的问题，提出了r-SVR的PSO求解方法，推导出了PSO求解r-SVR的适应函数，给出了PSO求解r-SVR的算法和实验结果。结果表明，当r接近1时，牛顿法求解r-SVR失效，而PSO求解r-SVR的方法是有效的。
PSO-SVR算法在发酵过程控制中的应用
状态预估 粒子群优化（PSO）算法 L-天冬酰胺酶II
2009/6/11
针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归模型的复杂性和推广能力的好坏很大程度上取决于其3个参数（?着，C，?酌）能否取到最优值，采用粒子群算法实现对参数（?着，C，?酌）的同时寻优。在此基础上，以L-天冬酰胺酶II为对象，建立其基于PSO-SVR的发酵过程产物浓度状态预估模型。发酵罐控制结果表明：该模型具有很好的学习精度和...
R-SVR中r与输入噪声间近似线性反比关系
支持向量机 支持向量回归机 r范数损失函数
2009/6/11
为使r范数SVR更具鲁棒性，深入研究了r范数SVR中参数与输入噪声之间的关系。运用SVR的贝叶斯框架，分别推导出了鲁棒的r范数SVR中参数r与拉斯噪声和均匀噪声之间呈近似的线性反比关系。并结合仿真结果和已有的相关结论，得到了更为一般的结论，即鲁棒的r范数SVR中参数r与输入噪声之间呈近似的线性反比关系。这一结论为输入样本含有分布未知噪声的情况下r范数SVR参数的选择提供了理论依据。
基于ε－SVR的销量预测规划计算模型和算法研究
规划算法数学模型 支持向量机 ε-SVR
2009/1/8
设计了一个基于支持向量规划的香烟销量预测和销售趋势分析数学模型（LR_ε-SVR和NLR_ε-SVR）及算法（ε-SVR_SP）。企业的历史销售情况及企业外部的一些环境和条件作为算法的输入，输出未来一定时期的销量预测数据和销售趋势图。基于非线性核函数的学习算法降低了训练空间向量的维度，从而降低了计算复杂性，减少了对训练学习数据量的要求，提高了计算精度，降低了计算时间。通过模拟实验、实际数据集合实验...
基于SVR的软件可靠性预测模型研究
软件可靠性预测模型研究 SVR
2008/3/10
利用软件生命周期中的相关数据进行软件可靠性分析与预测是软件可靠性工程的重要组成部分。首先从软件开发全过程中分析影响软件可靠性的相关因素，对其进行定义并确定度量方法，然后以支持向量回归机（SVR）分析方法为数学工具，建立基于软件质量度量的软件可靠性预测模型，并对该模型进行仿真分析。