|
|||||
|
|
| 支持向量机回归在线建模及应用 | |
| 引用本文： | 王定成,方廷健,高理富,马永军.支持向量机回归在线建模及应用[J].控制与决策,2003,18(1):89-91. |
| 作者姓名： | 王定成 方廷健 高理富 马永军 |
| 作者单位： | 1. 中国科学技术大学,自动化系,安徽,合肥,230026;中国科学院,合肥智能机械研究所,安徽,合肥,230031 2. 中国科学院,合肥智能机械研究所,安徽,合肥,230031 3. 中国科学技术大学,自动化系,安徽,合肥,230026 |
| 摘 要： | 支持向量机（SVM）回归理论与神经网络等非线性回归理论相比具有许多独特的优点，讨论了建模中SVM核函数，损失函数的选取和容量控制等问题，并用实验加以验证，将SVM回归动态建模理论应用于非线性，时变，大时延温室环境温度变化的建模和预测，模型简单，预测效果好。 |
| 关 键 词： | 支持向量机 在线建模 回归理论 神经网络 |
| 文章编号： | 1001-0920(2003)01-0089-03 |
Support vector machines regression on-line modelling and its application |
|
| WANG Ding-cheng ,FANG Ting-jian ,GAO Li-fu ,MA Yong-jun.Support vector machines regression on-line modelling and its application[J].Control and Decision,2003,18(1):89-91. | |
| Authors: | WANG Ding-cheng FANG Ting-jian GAO Li-fu MA Yong-jun |
| Affiliation: | WANG Ding-cheng 1,2,FANG Ting-jian 2,GAO Li-fu 1,2,MA Yong-jun 1 |
| Abstract: | The support vector machines theory is shown to have excellent performance compared with other non-linear regression, such as neural networks. The problems how to select the kernel function, lossfunctionandcontrolG*2capacity,and so on, are discussed with simulation demonstration. The dynamic SVM regression modelling is applied to the process of greenhouse temperature change which is non-linear, time-varying, dead-time. The model is simplified and the result of prediction is fine. |
| Keywords: | Support vector machines Regression Modelling Non-linear |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |