|
|||||
|
|
| 基于智能最小二乘支持向量机的大数据分析与预测 | |
| 引用本文： | 李雪竹,陈国龙. 基于智能最小二乘支持向量机的大数据分析与预测[J]. 计算机工程, 2015, 0(6) |
| 作者姓名： | 李雪竹 陈国龙 |
| 作者单位： | 1. 宿州学院信息工程学院,安徽 宿州,234000 2. 宿州学院信息工程学院，安徽 宿州234000; 中国科学院软件研究所，北京100080 |
| 基金项目： | 安徽高校省级自然科学研究基金资助重大项目，安徽省教育厅自然科学研究基金资助一般项目，宿州学院科研平台基金资助项目(2013YKF18)。 |
| 摘 要： | 大数据分析方法能发现数据中存在的关系和规则，预测事物未来的发展趋势，从而提高决策的科学性。针对传统预测方法精度低、泛化性差的问题，提出基于智能支持向量机的大数据分析与预测方法。设计一种新的支持向量机模型参数选择准则，即模型残差概率密度函数逼近给定的高斯分布，并按照该准则采用混沌收缩粒子群优化算法确定模型参数，从而提高数据分类或回归处理的精度与泛化性。采用选矿生产过程现场数据进行实验，结果验证了该方法的有效性，并表明其精度比LSSVM方法更高。 |
| 关 键 词： | 大数据 支持向量机 智能 概率密度函数 粒子群优化算法 |
Big Data Analysis and Forecasting Based on Intelligent Least Square Support Vector Machine |
|
| LI Xuezhu,CHEN Guolong. Big Data Analysis and Forecasting Based on Intelligent Least Square Support Vector Machine[J]. Computer Engineering, 2015, 0(6) | |
| Authors: | LI Xuezhu CHEN Guolong |
| Abstract: | |
| Keywords: | big data Support Vector Machine(SVM) intelligent Probability Density Function(PDF) Particle Swarm Optimization(PSO) algorithm |
| 本文献已被 万方数据 等数据库收录！ | |