| 一种贝叶斯证据框架下支持向量机建模方法的研究 |
| |
| 引用本文： | 阎威武,常俊林,邵惠鹤. 一种贝叶斯证据框架下支持向量机建模方法的研究[J]. 控制与决策, 2004, 19(5): 525-528 |
| |
| 作者姓名： | 阎威武 常俊林 邵惠鹤 |
| |
| 作者单位： | 上海交通大学,自动化系,上海,200030;上海交通大学,自动化系,上海,200030;上海交通大学,自动化系,上海,200030 |
| |
| 基金项目： | 国家 8 6 3计划资助项目 (2 0 0 1AA4 113130 ) |
| |
| 摘 要： | 研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法，给出一种高斯桉支持向量机估计算法的参数选择和调整方法，将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识，仿真结果表明，该方法对于工业过程建模是十分有效的。
|
| 关 键 词： | 支持向量机 贝叶斯 建模 证据框架 |
| 文章编号： | 1001-0920(2004)05-0525-04 |
Modeling method based on support vector machines within the Bayesian evidence framework |
| |
| YAN Wei-wu,CHANG Jun-lin,SHAO Hui-he. Modeling method based on support vector machines within the Bayesian evidence framework[J]. Control and Decision, 2004, 19(5): 525-528 |
| |
| Authors: | YAN Wei-wu CHANG Jun-lin SHAO Hui-he |
| |
| Abstract: | Regression algorithms and modeling method based on standard support vector machine (Standard SVM) and least squares support vector machine (LS SVM) within the Bayesian evidence framework are discussed. A parameter selecting and tuning method within the Bayesian evidence framework is proposed for SVM regression with Gauss kernel. SVM modeling method within the Bayesian evidence framework is applied to nonlinear system identification, and effective results are obtained. |
| |
| Keywords: | support vector machine bayesian modeling evidence framework |
| 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 |
