支持向量机回归在线建模及应用
DOI:
作者:
作者单位:

中国科学技术大学 自动化系, 安徽 合肥 230026

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    支持向量机(SVM)回归理论与神经网络等非线性回归理论相比具有许多独特的特点。讨论了建模中SVM核函数、损失函数的选取和容量控制等问题, 并用实验加以验证。将SVM回归动态建模理论应用于非线性、时变、大时延温室环境温度变化的建模和预测, 模型简单, 预测效果好。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

王定成, 方廷健, 高理富,等.支持向量机回归在线建模及应用[J].控制与决策,2003,18(1):89-91

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2003-01-20
  • 出版日期: