| 基于最小二乘小波支持向量机的数据拟合实验 |
| |
| 引用本文： | 冼广铭. 基于最小二乘小波支持向量机的数据拟合实验[J]. 计算机工程与应用, 2008, 44(18): 36-38. DOI: 10.3778/j.issn.1002-8331.2008.18.011 |
| |
| 作者姓名： | 冼广铭 |
| |
| 作者单位： | 华南师范大学 南海校区 计算机工程系，广东 佛山 528225 |
| |
| 摘 要： | 针对目前使用的SVM核函数在回归中不能逼近任意目标函数的问题，在支持向量机的核方法和小波框架理论的基础上，提出了LS-WSVM结构模型。该模型在LS－SVM中使用一种新的由小波构成的SVM核函数。实验结果表明，与标准的SVM及LS－SVM比较起来，在同等条件下，LS-WSVM在函数回归方面LS-WSVM具有优良的逼近性能，拟合效果更为细腻。
|
| 关 键 词： | SVM核函数 最小二乘小波支持向量机 回归 |
| 文章编号： | 1002-8331(2008)18-0036-03 |
| 收稿时间： | 2007-09-17 |
| 修稿时间： | 2007-09-17 |
Data fitting experiments of LS-WSVM |
| |
| XIAN Guang-ming. Data fitting experiments of LS-WSVM[J]. Computer Engineering and Applications, 2008, 44(18): 36-38. DOI: 10.3778/j.issn.1002-8331.2008.18.011 |
| |
| Authors: | XIAN Guang-ming |
| |
| Affiliation: | Department of Computer Engineering，Nanhai Campus，South China Normal University，Foshan，Guangdong 528225，China |
| |
| Abstract: | The used SVM kernel function can not approach to any object function in regression.Aiming at the problem,the construction model of Least Square Wavelet Support Vector Machine(LS-WSVM) is proposed based on conditions of the support vector kernel function and wavelet frame theory.Compared with standard SVM and LS-SVM under the same conditions,experimental results show that LS-WSVM has more excellent performance of feature abstraction in regression and its fitting result is more accurate. |
| |
| Keywords: | SVM kernel function Least Square Wavelet Support Vector Machine(LS-WSVM) regression |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
