|
|||||
|
|
| 最小二乘支持向量机在软测量建模中的应用 | |
| 引用本文： | 邸真珍,蒋爱平.最小二乘支持向量机在软测量建模中的应用[J].世界仪表与自动化,2005,9(5):55-56. |
| 作者姓名： | 邸真珍 蒋爱平 |
| 作者单位： | [1]华东理工大学信息学院研究生 [2]华东理工大学信息学院副教授 |
| 摘 要： | 支持向量机(Support Vector Machine．SVM)应用结构风险最小化理论，从训练集中选择一组特征子集。使得对特征子集的线性划分等价于对整个数据集的分割。支持向量机最初应用于模式识别，随后开始在信号处理、函数逼近等领域也得到了广泛发展。支持向量机与神经网络等常用方法相比，其具有泛化性好、建模所需学习数据较少等优点。 |
| 关 键 词： | 最小二乘支持向量机 软测量 丙烯腈 建模 数据预处理 |
| 本文献已被 维普 等数据库收录！ | |