导读:本文包含了支持向量回归方法论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊加权机理,最小二乘支持向量回归,非线性统,建模方法
支持向量回归方法论文文献综述
熊中刚,刘忠,罗素莲[1]（2019）在《基于模糊加权最小二乘支持向量回归的非线性系统建模方法》一文中研究指出针对非线性系统建模时边界数据会产生较大的建模偏差、数据计算负荷大以及如何从数据集中选取K个近邻点才能保证其性能缺乏统一标准等问题,提出了基于模糊加权最小二乘支持向量回归的非线性系统建模方法。该方法融合了模糊加权机理与最小二乘支持向量回归的优点,通过引入重迭因子,在保证建模精度(均方根误差越小越好)的情况下,去除建模过程中的一些非重要数据,减小建模方法的运算时间,并能将全局与局部建模方法相融合有效解决局部建模方法所产生的边界效应问题。实验验证结果表明,分别对几种方法从训练/测试均方根误差、不同重迭因子、计算时间方面比较都有明显的有效性和优越性。(本文来源于《探测与控制学报》期刊2019年05期）
葛辰杰,陆志沣,洪泽华,马潮,余海鸣[2]（2019）在《基于支持向量回归与多核集成的红外成像导引头抗干扰性能评估方法》一文中研究指出面对着日益复杂的对抗环境,红外成像导引头的抗干扰性能需要不断提高。如何全面、客观、准确地对红外成像导引头的抗干扰性能进行评估,是一项急需解决的难题。针对传统基于支持向量机的评估方法中单核学习能力的不足,提出了一种基于支持向量回归与多核集成的评估方法,该方法在抗干扰评估指标体系下得到了综合的抗干扰性能值,为红外成像导引头抗干扰性能评估提供了新的思路。该方法能够训练多个支持向量回归机并融合多个核函数的优势,充分利用了特征的多样性,进一步降低了回归误差。实验结果表明:该算法能够实现高效可靠的红外成像导引头抗干扰性能评估。(本文来源于《上海航天》期刊2019年05期）
孔庆燕,陆虹,金龙,周秀华,史旭明[3]（2019）在《低温雨雪过程的粒子群-支持向量回归预报方法》一文中研究指出低温雨雪冰冻灾害是多种气象要素在同时段、同区域相互配合迭加影响而形成的,具有显着的非线性、时变性特征,预报难度很大。为此首先采用逐步回归与核主成分分析相结合的因子特征提取构建模型的输入矩阵。进一步采用粒子群算法对支持向量回归预报模型的相关参数进行优化,以华南广西区域持续性低温雨雪冰冻天气过程的冷湿指数作为预报对象,建立粒子群-非线性支持向量回归预报模型(PSO-SVR)。由独立样本对比预报试验结果表明,在建模样本相同、预报因子相同的条件下,粒子群-支持向量回归预报模型对严重过程和一般过程低温雨雪天气过程冷湿指数的独立样本预报平均绝对误差分别为7.39和7.65;而相应的回归预报方程对这两种过程的独立样本预报平均绝对误差分别为11.18和7.94,显示了PSO-SVR预报模型的预报误差明显小于一般的线性回归方法。(本文来源于《自然灾害学报》期刊2019年05期）
苏筱倩,安俊琳,张玉欣[4]（2019）在《基于支持向量机回归和小波变换的O_3预报方法》一文中研究指出使用南京工业区2016年6月1日～8月15日的臭氧(O_3)、O_3前体物及常规气象数据,结合多元线性回归(MLR)方法和小波变换(WT)改进支持向量机回归(SVR)对O_3小时浓度的预报精度.结果表明,通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度,M-WT-SVR预报的决定系数(R~2)达到0.90,平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为3.86×10~(-9)、28.26%和5.57×10~(-9),优于M-SVR和SVR.低层细节序列主要与NO、NO_2和芳香烃有关,而更高层的近似序列受到气象条件、前体物和O_3前期浓度共同影响.与经典的MLR方法相比,M-WT-SVR对O_3小时浓度的预报有明显优势.(本文来源于《中国环境科学》期刊2019年09期）
周宇,叶峻,刘刚,高秀伟[5]（2019）在《基于支持向量回归的高铁防灾风雨快速预测方法》一文中研究指出铁路在运行过程中,难免会受到暴风雨的侵袭,对列车的安全运行造成巨大的威胁。论文基于支持向量回归算法,预测风速和降雨量,提出监测点补强及迁改建议。(本文来源于《工程建设与设计》期刊2019年16期）
朱星星,赵亮,雷默涵,王帅,凌正[6]（2019）在《精密进给系统热误差的协同训练支持向量机回归建模与补偿方法》一文中研究指出针对精密进给系统热误差的数据稀缺且获取成本高的问题,提出了一种基于协同训练支持向量机回归算法(COSVR)的精密进给系统热误差建模与补偿方法。通过整合标记数据(温度和热误差)及未标记温度数据建立热误差模型,利用基于西门子840D数控系统开发的补偿方法进行补偿。以精密镗床双驱动滚珠丝杠进给系统X轴为研究对象,进行热特性实验,获取24 m/min进给速度下的标记数据和12 m/min进给速度下的未标记温度数据,利用COSVR整合所有数据建立热误差模型,并通过遗传算法优化的支持向量机回归算法(GA-SVR)仅选用标记数据建立对照模型,获取18 m/min进给速度下的标记数据用于模型性能测试。结果表明:与GA-SVR模型相比,COSVR模型的均方根误差减少了34.14%,且在100 min和520 min时的误差范围分别减小了62.62%和55.85%。COSVR模型具有更好的预测性能且能更有效地降低热误差,进一步提高了精密进给系统热误差的建模精度。(本文来源于《西安交通大学学报》期刊2019年10期）
Hui-fang,WANG,Chen-yu,ZHANG,Dong-yang,LIN,Ben-teng,HE[7]（2019）在《用于电网节点重要度评估的一种基于网络嵌入和支持向量回归的人工智能方法（英文）》一文中研究指出重要节点识别对电网安全意义重大。但电网在规模、结构等方面差异较大,评价指标难以涵盖电网不同状态下所有信息,因此基于指标构建的传统评估方法,其效果视情况而定,通用性不足。由此,本文提出基于人工智能的电网节点重要度评估法。首先利用网络嵌入,提出综合考虑电网结构与电气量的电网节点特征选择法。然后对具体电网,进行各类运行方式下的稳态与节点故障暂态仿真,构建能反映节点特征与节点重要度内在关系的样本集。最后,根据优化后的样本集训练支持向量回归模型,模型成熟后可用于电网节点重要度在线评估。结果表明,本方法能根据从样本中学到的信息有效评估电网节点重要度。相比传统指标构建法,本方法规避了片面性和主观性。此外,基于该人工智能框架,本方法可针对每个具体电网建立特定样本集,具有通用性。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年06期）
季泽[8]（2019）在《基于最小二乘支持向量回归的序贯设计与建模方法研究》一文中研究指出对于具有多极值质量特性且质量特性变化不均匀的复杂作用关系过程而言,实现工艺参数优化的难度和成本较高,而选择合适的序贯设计和建模方法是降低参数优化成本的关键。现有研究多以某一区域为研究对象,但较少考虑区域内样本点之间的显着性差异。因此,本文重点对样本点的显着性进行了研究,并针对不同的变量类型分别提出了相应的序贯设计与建模方法。主要内容如下:(1)提出了样本点的显着性检验方法。首先选择LS-SVR作为建模方法,其次给出了支持向量的统计分布,而后构造了支持向量的相关统计量,通过对该统计量进行假设检验,获取了代表样本点显着性的P-value,最终构建了样本点的显着性检验方法。(2)针对定量变量和混合变量,分别提出了嵌套型正交设计和嵌套型LHS设计。对于不同的变量类型,首先分别以正交设计和LHS设计作为基础的实验设计方式获取初始样本集。然后利用初始样本集建立初始的LS-SVR模型,其次对样本点进行显着性检验并获取代表样本点显着性的P-value,并以P-value<P_0的样本点作为添加中心并确定添加区域。而后分别在各添加区域内嵌套入新的正交设计和LHS设计添加实验点,并拟合新的LS-SVR模型。最终分别构建了嵌套型正交设计与嵌套型LHS设计。此外,本文设定了相关的统计量,确保了所建LS-SVR模型的合理性,有效避免了“过拟合”现象的产生。(3)针对提出的2种序贯设计方法,分别进行了仿真与实证研究。一方面,本文引入了3个代表复杂过程的仿真函数,并分别进行了嵌套型正交设计与嵌套型LHS设计研究。另一方面,本文引入了Paper helicopter实验,并分别进行了传统单路径式序贯设计和嵌套型正交设计研究。研究结果表明,与一次性LHS设计相比,所提嵌套型正交设计和嵌套型LHS设计方法的MSPE、MaxE分别降低了4.2%、6.6%和29.2%、15.1%以上。与传统单路径式序贯设计相比,所提嵌套型正交设计方法在发现极值点的能力与效率方面具有显着优势。(本文来源于《郑州大学》期刊2019-05-01）
敖秀奕,张旭刚,江志刚,张华[9]（2019）在《基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究》一文中研究指出文章针对再制造批量小、实验所需样本不足的问题,提出一种基于半监督学习与最小二乘支持向量机回归的再制造成本预测方法。废旧机电产品的可用零部件分为可直接利用、可再制造加工利用和直接替换叁种类型,以各类型零部件的比率和再制造复杂系数为输入,再制造成本为输出,建立半监督学习与最小二乘支持向量机回归相结合的再制造成本预测模型。利用k最近邻算法估计未进行再制造样本的成本,然后将未进行再制造的样本与已知再制造成本的样本代入方程组即可求出该预测模型。案例分析表明基于半监督学习与最小二乘支持向量机回归的成本预测方法能够在已知再制造成本的样本量较少的情况下对成本进行快速且准确的预测,是一种很好的成本预测方法。(本文来源于《组合机床与自动化加工技术》期刊2019年04期）
韦俊新,王泽涛,丛正,魏艳勇,齐国华[10]（2019）在《基于支持向量回归的金属谐振陀螺多元温度补偿方法》一文中研究指出针对金属谐振陀螺随温度漂移的问题,提出了一种基于支持向量回归的多元温度补偿方法。首先分析温度、温度梯度及温度变化率对陀螺输出的影响,在此基础上设计全温区实验,采用小波去噪对实验数据进行预处理,然后根据金属谐振陀螺输出特性,综合每次实验陀螺输出的微小变化,选择径向基核函数对实验数据进行特征提取,并基于此建立基于温度、温度变化率及温度梯度的多元补偿模型,剔除非相关项,最终得到金属谐振陀螺多元温度补偿模型。实验结果表明,此方法可有效提高金属谐振陀螺的温度性能,全温区陀螺零偏稳定性提高一个量级以上。(本文来源于《中国惯性技术学报》期刊2019年02期）
支持向量回归方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
面对着日益复杂的对抗环境,红外成像导引头的抗干扰性能需要不断提高。如何全面、客观、准确地对红外成像导引头的抗干扰性能进行评估,是一项急需解决的难题。针对传统基于支持向量机的评估方法中单核学习能力的不足,提出了一种基于支持向量回归与多核集成的评估方法,该方法在抗干扰评估指标体系下得到了综合的抗干扰性能值,为红外成像导引头抗干扰性能评估提供了新的思路。该方法能够训练多个支持向量回归机并融合多个核函数的优势,充分利用了特征的多样性,进一步降低了回归误差。实验结果表明:该算法能够实现高效可靠的红外成像导引头抗干扰性能评估。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
支持向量回归方法论文参考文献
[1].熊中刚,刘忠,罗素莲.基于模糊加权最小二乘支持向量回归的非线性系统建模方法[J].探测与控制学报.2019
[2].葛辰杰,陆志沣,洪泽华,马潮,余海鸣.基于支持向量回归与多核集成的红外成像导引头抗干扰性能评估方法[J].上海航天.2019
[3].孔庆燕,陆虹,金龙,周秀华,史旭明.低温雨雪过程的粒子群-支持向量回归预报方法[J].自然灾害学报.2019
[4].苏筱倩,安俊琳,张玉欣.基于支持向量机回归和小波变换的O_3预报方法[J].中国环境科学.2019
[5].周宇,叶峻,刘刚,高秀伟.基于支持向量回归的高铁防灾风雨快速预测方法[J].工程建设与设计.2019
[6].朱星星,赵亮,雷默涵,王帅,凌正.精密进给系统热误差的协同训练支持向量机回归建模与补偿方法[J].西安交通大学学报.2019
[7].Hui-fang,WANG,Chen-yu,ZHANG,Dong-yang,LIN,Ben-teng,HE.用于电网节点重要度评估的一种基于网络嵌入和支持向量回归的人工智能方法（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2019
[8].季泽.基于最小二乘支持向量回归的序贯设计与建模方法研究[D].郑州大学.2019
[9].敖秀奕,张旭刚,江志刚,张华.基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究[J].组合机床与自动化加工技术.2019
[10].韦俊新,王泽涛,丛正,魏艳勇,齐国华.基于支持向量回归的金属谐振陀螺多元温度补偿方法[J].中国惯性技术学报.2019
标签：模糊加权机理; 最小二乘支持向量回归; 非线性统; 建模方法;