检索结果-内蒙古大学图书馆

火力与指挥控制 2013年第3期38卷 130-132,140页

作者：田韶超黄景涛李广义河南科技大学电子信息工程学院河南洛阳471003

针对ε-支持向量回归机(ε-SVR)对噪声数据非常敏感的问题,提出应用贝叶斯估计理论,研究数据噪声水平与ε-SVR中不敏感参数ε之间的关系,将ε-SVR的优化问题转换成贝叶斯估计问题,探讨ε-SVR对噪声的敏感性。仿真实验表明:不同强度的噪... 详细信息

针对ε-支持向量回归机(ε-SVR)对噪声数据非常敏感的问题,提出应用贝叶斯估计理论,研究数据噪声水平与ε-SVR中不敏感参数ε之间的关系,将ε-SVR的优化问题转换成贝叶斯估计问题,探讨ε-SVR对噪声的敏感性。仿真实验表明:不同强度的噪声干扰,回归的效果受到较大影响,选取恰当的不敏感参数ε,能够降低ε-SVR对噪声的敏感性,同时也证明了应用贝叶斯估计理论推导的有效性。

关键词： ε-支持向量回归贝叶斯估计不敏感参数敏感性

来源：评论

学校读者我要写书评

暂无评论

粗糙ε-支持向量回归模型

引用

南京大学学报（自然科学版） 2013年第5期49卷 650-654页

作者：张仕光米据生胡清华河北师范大学数学与信息科学学院石家庄050024 衡水学院数学与计算机学院衡水053000 河北省计算数学与应用重点实验室石家庄050024 天津大学计算机科学与技术学院天津300072

在ε-支持向量回归和粗糙v-支持向量回归模型的基础上,研究了新的粗糙ε-支持向量回归模型.利用固定对称边界粗糙ε-不敏感损失函数,得到粗糙ε-不敏感管,构造固定对称边界粗糙ε-支持向量回归模型;利用固定非对称边界粗糙-不敏感损失函... 详细信息

在ε-支持向量回归和粗糙v-支持向量回归模型的基础上,研究了新的粗糙ε-支持向量回归模型.利用固定对称边界粗糙ε-不敏感损失函数,得到粗糙ε-不敏感管,构造固定对称边界粗糙ε-支持向量回归模型;利用固定非对称边界粗糙-不敏感损失函数,得到粗糙εu-εd-不敏感管,构造固定非对称边界粗糙ε-支持向量回归模型.通过引进Lagrange函数和根据KKT条件,处理粗糙ε-支持向量回归模型的对偶问题.

关键词： ε-支持向量回归粗糙边界粗糙ε-支持向量回归粗糙集

来源：评论

学校读者我要写书评

暂无评论

粗糙ε-支持向量回归模型

粗糙ε-支持向量回归模型

引用

第十三届中国Rough集与软计算学术会议、第七届中国Web智能学术研讨会、第七届中国粒计算学术研讨会联合学术会议

作者：张仕光米据生胡清华河北师范大学数学与信息科学学院石家庄河北 050024 衡水学院数学与计算机学院衡水河北 053000 河北师范大学数学与信息科学学院石家庄河北 050024 河北省计算数学与应用重点实验室石家庄河北 050024 天津大学计算机科学与技术学院天津 300072

在ε-支持向量回归和粗糙v-支持向量回归模型的基础上，利用固定对称边界粗糙ε-不敏感损失函数，得到粗糙ε-不敏感管，构造固定对称边界粗糙ε-支持向量回归模型;利用固定非对称边界粗糙ε-不敏感损失函数，得到粗糙ε(")-εd-... 详细信息

在ε-支持向量回归和粗糙v-支持向量回归模型的基础上，利用固定对称边界粗糙ε-不敏感损失函数，得到粗糙ε-不敏感管，构造固定对称边界粗糙ε-支持向量回归模型;利用固定非对称边界粗糙ε-不敏感损失函数，得到粗糙ε(")-εd-不敏感管，构造固定非对称边界粗糙ε-支持向量回归模型。

关键词： ε-支持向量回归粗糙边界粗糙ε-支持向量回归粗糙集

来源：评论

学校读者我要写书评

暂无评论

基于不同算法的樟子松天然林立木材积模型研建

基于不同算法的樟子松天然林立木材积模型研建

引用

作者：孙铭辰东北林业大学

学位级别：硕士

立木材积是森林资源调查的重要指标,也是计算森林蓄积量和生物量的主要依据。因此为更好地保护森林自然资源,提高森林的社会效益、经济效益和生态效益,更准确地掌握森林资源数量、质量的动态变化,及时制定更科学合理的森林经营政策,立... 详细信息

立木材积是森林资源调查的重要指标,也是计算森林蓄积量和生物量的主要依据。因此为更好地保护森林自然资源,提高森林的社会效益、经济效益和生态效益,更准确地掌握森林资源数量、质量的动态变化,及时制定更科学合理的森林经营政策,立木材积的精准预测显得尤为重要。本文以大兴安岭图强林业局樟子松为研究对象,选用传统非线性模型(NLR)和三种机器学习算法:反向神经网络(BP)、ε-支持向量机回归(ε-SVR)、随机森林(RF),利用R语言和Matlab2019b研建最优的带皮和去皮材积模型。以赤池信息准则(AIC)和贝叶斯信息准则(BIC)作为传统模型异方差校正的评价指标,通过确定系数(R)、均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)用于评价模型拟合和预测的能力,并计算平均相对误差(MRB)检验模型预测偏差的大小。研究发现50%相对树高的形率在三元材积方程中精度最高,且通过幂函数和常数加幂函数加入回归方程中可以有效解决NLR模型中的异方差现象;在BP模型中通过30次求均值的方法消除初始随机权值和阈值的问题,并采用10折交叉验证筛选BP模型最优的学习算法和隐含层神经元个数;在ε-SVR模型中,为减少训练时间,选用遗传算法全局搜索最优的核函数,以及该核函数下的惩罚因子C和核参数gamma;在RF模型中,通过oob误差检验筛选RF三个主要影响参数ntree、minleaf、mtry的数值。将拟合精度最高的参数代入各模型内建模,得到不同变量下的最优模型,并对测试样本数据进行预测。结果表明,三种机器学习算法模型预测精度均高于传统模型,其中无论在任何输入和输出变量下RF模型精度均为最高,其次是BP和ε-SVR模型,NLR模型最低。尤其在基于胸径D和树高H的二元材积模型中,RF相比于NLR在带皮和去皮材积中预测精度的R分别提高4.31%和4.45%,RMSE分别降低48.44%和44.69%,提高效果十分显著。BP和ε-SVR模型整体上结果没有明显差别,但因输入和输出变量的不同而略有差异,在引入胸径D的材积模型中BP略优于ε-SVR;在引入胸径D和树高H的材积模型中,预测带皮材积时BP精度略高,预测去皮材积时ε-SVR精度略高;在引入胸径D、树高H和形率q的材积模型中,ε-SVR略优于BP模型。对比相同模型下不同参数的过程中发现增加参数可以有效提高同一模型的精度,且RF只引入胸径D一个变量时模型精度甚至高于引入胸径D和树高H两个变量时的NLR模型,说明引入RF模型预测立木材积相比于传统模型不仅应用更灵活,且当外业条件苛刻、无法准确测量树高时依然保证更高的预测精度。由此可见机器学习算法的应用可为森林资源的精准调查和经营管理提供新的解决方案。

关键词：樟子松二元材积模型 BP神经网络 ε-支持向量回归随机森林

来源：评论

学校读者我要写书评

暂无评论

基于ε-支持向量回归机的信道估计

引用

浙江工业大学学报 2010年第3期9卷 263-267,277页

作者：阮秀凯张志涌尹立鹤南京邮电大学江苏南京210003

在数字通信中,传输媒质引起的多径失真会导致发射信号的时间弥散从而产生码间干扰.严重时,可导致接收端无法正确识别发送信号,所以接收端就必须对数字信号的畸变进行处理以去除符号间干扰.信道估计决定了信号的高速高效传输,只有在保证... 详细信息

在数字通信中,传输媒质引起的多径失真会导致发射信号的时间弥散从而产生码间干扰.严重时,可导致接收端无法正确识别发送信号,所以接收端就必须对数字信号的畸变进行处理以去除符号间干扰.信道估计决定了信号的高速高效传输,只有在保证信道估计准确及时的前提下,新的通信技术性能才有可能充分发挥.鉴于信道估计的重要性和关键性,提出基于ε-支持向量回归机的非盲信道估计新方法,该方法运用ε-支持向量回归机概念将移动通信中的非盲信道估计问题转化为求解一个二次规划问题,仅要求小数据量的训练序列便可以直接得到均衡器,可有效满足时变信道更新的实时要求.并通过仿真实验验证该新方法的有效性和可行性.

关键词： ε-支持向量回归信道估计二次规划符号间干扰

来源：评论

学校读者我要写书评

暂无评论

高等学校科技创新能力评价研究

高等学校科技创新能力评价研究

引用

作者：廖文秋中国科学技术大学

学位级别：博士

在经济全球化的背景下,科技创新能力已成为国家经济发展的主导因素,并逐渐成为决定国家前途和命运的主要因素之一。只有提高自主创新能力,才能在国际科技竞争中占据战略制高点。国家科技创新体系是支撑国家创新能力建设的基本力量,而高... 详细信息

在经济全球化的背景下,科技创新能力已成为国家经济发展的主导因素,并逐渐成为决定国家前途和命运的主要因素之一。只有提高自主创新能力,才能在国际科技竞争中占据战略制高点。国家科技创新体系是支撑国家创新能力建设的基本力量,而高校又是国家科技创新体系的主体之一。因此,通过对高校进行科技创新能力和效率进行评价,一方面,可以促进高校创新能力的提高,为国家经济发展服务;另一方面,也可以有效地把握高校科技创新活动本质与规律,持续推动高校科技创新能力的发展。所以,必须完善高校科技创新能力评价指标体系,加强高校科技创新能力和效率的评价研究。论文主要开展了以下几个方面的研究工作： (1)本文对高校科技创新能力研究的国内外现状进行了综述,并分析了高校科技创新能力评价的目的与意义。在明确了创新理论的基础上,分析了高校科技创新能力的内涵、评价的必要性和设计原则,客观地设计了高校科技创新能力评价指标体系。 (2)本文对现行常用的高校科技创新能力评价方法进行了综述,并简要分析了各种方法的特点及评价的局限性,为本文的高校科技创新能力评价模型的建立打下了基础。 (3)本文用因子分析法对2009年教育部直属高校科技创新能力进行了评价。本文充分利用了因子分析方法的优点,对众多指标进行精减,提取了主因子,并得出高校科技创新能力评价的综合得分。然后,将其综合得分和所提取的主因子作为高校科技创新能力评价模型的样本进行评价工作。 (4)本文建立了基于ε-支持向量回归机的高校科技创新能力评价模型。该模型是通过定义适当的核函数来实现非线性回归的问题。本文将选取的主因子和2009年教育部直属高校科技创新能力的综合得分作为ε-支持向量回归机模型的训练样本,并对该评价模型进行了训练。应用结果表明,训练好的ε-支持向量回归机评价模型的预测精度较高,泛化能力较强,可以满足实际应用的评价需要,具有较好的应用价值。 (5)本文提出了基于因子分析法和支持向量回归机的高校科技创新能力评价模型。通过对样本数据的训练,完成了评价模型的构建,然后用该模型对2010年教育部直属高校科技创新能力进行评价。由此得出,该模型非常适用于非线性复杂的高校科技创新能力评价问题。 (6)本文提出了高校科技创新的动态效率测度方法。该方法是Malmquist指数与数据包络分析的结合,获得对高校科技创新效率的动态测度,并通过Malmquist指数分解获得高校科研的经济效率和技术效率,找出生产力变化的原因,促进高校科学研究的可持续发展。通过对教育部直属高校的实证分析,证明了该方法的有效性和适用性。

关键词：评价科技创新能力效率因子分析 ε-支持向量回归 Malmquist指数高校

来源：评论

学校读者我要写书评

暂无评论

支持向量机回归的碳通量预测

引用

计算机工程与应用 2009年第21期45卷 235-238页

作者：陈强吴慕春薛月菊杨敬锋刘国瑛华南农业大学工程学院广州510642

如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题。但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数... 详细信息

如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题。但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数、网络结构、神经元数目选择方面各自不同的特点。实验结果表明,基于ε-支持向量回归机和BP神经网络模型的碳通量预测结果与碳通量实测值之间存在显著相关性。但ε-支持向量回归机方法的预测过程更易掌控,整体预测精度高于BP神经网络的精度。

关键词： ε-支持向量回归反向传播神经网络碳通量预测精度

来源：评论

学校读者我要写书评

暂无评论

支持向量机回归的碳通量预测

支持向量机回归的碳通量预测

引用

2009年全国理论计算机科学学术年会

作者：陈强吴慕春薛月菊杨敬锋刘国瑛华南农业大学工程学院广州510642

如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题.但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数... 详细信息

如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题.但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数、网络结构、神经元数目选择方面各自不同的特点.实验结果表明,基于ε-支持向量回归机和BP神经网络模型的碳通量预测结果与碳通量实测值之间存在显著相关性.但ε-支持向量回归机方法的预测过程更易掌控,整体预测精度高于BP神经网络的精度.

关键词： ε-支持向量回归碳通量预测精度环境监测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：