多輸出支持向量機及其應用研究.pdf_第1頁
已閱讀1頁，還剩75頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、支持向量機是建立于統(tǒng)計學習理論基礎上的一種新的通用學習方法,近年來得到了迅猛發(fā)展和廣泛應用。傳統(tǒng)的支持向量機回歸算法(Support Vector Regression:SVR)只適用于單輸出系統(tǒng),在處理復雜多輸出系統(tǒng)時常采用構造一系列單變量SVR的方法,不僅訓練速度慢而且精度較差,所以如何構建既具有快的訓練速度又能保證精度的多輸出SVR算法并將其應用到實際系統(tǒng)的建模與控制中,具有十分重要的理論研究和應用價值。
　　 為提高多輸

2、出SVR算法的訓練速度,本文首先從解的稀疏性出發(fā),構造了多變量稀疏SVR算法。接著提出一種基于啟發(fā)式訓練算法的多輸出SVR算法,通過引入相似度的概念,去除相似度值大于給定相似度閾值的訓練樣本點,以達到縮減訓練樣本的目的,從而提高訓練速度。針對數(shù)學函數(shù)模型的仿真實例表明,兩種不同的多變量SVR方法不僅能夠保證模型精度,而且相比于常規(guī)多輸出SVR算法訓練速度大大提高。
　　 最后,將上述方法應用到實際過程:甲基丙烯酸甲酯的間歇聚合反

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論