| 支持向量机在物理实验中的应用 |
| |
| 引用本文： | 丁蕾,朱德权,陶亮. 支持向量机在物理实验中的应用[J]. 安庆师范学院学报(自然科学版), 2005, 11(2): 64-66,88 |
| |
| 作者姓名： | 丁蕾 朱德权 陶亮 |
| |
| 作者单位： | 安庆师范学院,物理系,安徽,安庆,246011;安徽大学,计算机科学与技术学院,安徽,合肥,230039;安庆师范学院,物理系,安徽,安庆,246011;安徽大学,计算机科学与技术学院,安徽,合肥,230039 |
| |
| 摘 要： | 回归型支持向量机方法SVR具有很好的学习性能。本文结合两个物理实验提出了利用SVR方法对实验数据进行曲线拟合,并与最小二乘法的方法进行了比较。实验表明其在精度上优于最小二乘法的方法,在对复杂曲线拟合时效果尤为明显。
|
| 关 键 词： | 支持向量机 曲线拟合 物理实验 |
| 文章编号： | 1007-4260(2005)02-0064-03 |
Applications of Support Vector Machine in Physics Experiment |
| |
| DING Lei,ZHU De-quan,TAO Liang. Applications of Support Vector Machine in Physics Experiment[J]. Journal of Anqing Teachers College(Natural Science Edition), 2005, 11(2): 64-66,88 |
| |
| Authors: | DING Lei ZHU De-quan TAO Liang |
| |
| Abstract: | Support Vector Machine for regression (SVR) has shown very good learning performance. By using the SVR, this article presents a method to curvefit the experiment data in two physics experiments. The experiments show that the proposed SVR-based method is better than the least square algorithms based method in accuracy, especially for complex curvefitting. |
| |
| Keywords: | support vector machine curvefitting physics experiment |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
