| 核主成分支持向量机模型在蒸发预测中的应用 |
| |
| 引用本文： | 邵年华,沈冰,秦胜英,戴玉萍.核主成分支持向量机模型在蒸发预测中的应用[J].北京师范大学学报(自然科学版),2010,46(3). |
| |
| 作者姓名： | 邵年华 沈冰 秦胜英 戴玉萍 |
| |
| 作者单位： | 西安理工大学西北水资源与环境生态教育部重点实验室,710048,西安;新疆和田河管理局,848000,新疆,和田 |
| |
| 摘 要： | 核主成分分析(KPCA)法具有很好的非线性特征提取能力,利用KPCA提取输入数据的特征信息,并将特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA-SVM预测模型.通过实例检验表明,具有非线性特征提取的ISSVM模型的预测效果优于没有特征提取的LSSVM模型.与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好.
|
| 关 键 词： | 核主成分分析 支持向量机 蒸发量 KPCA-SVM模型 |
ESTIMATING EVAPORATION BY USING KPCA SVM MODEL |
| |
| SHAO Nianhua,SHEN Bing,QIN Shengying,DAI Yuping.ESTIMATING EVAPORATION BY USING KPCA SVM MODEL[J].Journal of Beijing Normal University(Natural Science),2010,46(3). |
| |
| Authors: | SHAO Nianhua SHEN Bing QIN Shengying DAI Yuping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
