排序方式: 共有3条查询结果,搜索用时 16 毫秒
1
1.
针对现有模型选择标准无法对支持向量回归(SVR)模型选择过程给出明确几何意义的弱点,提出了一种基于信息几何理论的模型选择新标准.它将模型空间看成是一个流形,将模型复杂度等价于其所能覆盖的概率分布个数,模型拟合度则视为样本的真实分布与模型分布之间的分散度,由此直观地解释了SVR的求解过程,并明确了模型选择的几何意义. 相似文献
2.
ε不敏感支持向量回归在化工数据建模中的应用 总被引:2,自引:0,他引:2
针对化工领域数据建模小样本、不适定性等问题 ,提出了一种用ε不敏感支持向量回归 (ε SVR)方法进行实际过程建模的想法 ,以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题 .在分析ε SVR特性的基础上 ,用一个非线性函数逼近例子验证了ε SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力 .将ε SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中 ,仿真和现场运行结果表明ε SVR是一种非常有效的化工数据建模方法 . 相似文献
3.
针对化工领域数据建模小样本、不适定性等问题,提出了一种用ε不敏感支持向量回归(ε-SVR)方法进行实际过程建模的想法,以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题.在分析ε-SVR特性的基础上,用一个非线性函数逼近例子验证了ε-SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力.将ε-SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中,仿真和现场运行结果表明ε-SVR是一种非常有效的化工数据建模方法. 相似文献
1