SVM方法在释用中的应用研究:预报因子选择
本文介绍一个应用SVM(支持向量机)方法预报2-m温度的实例中不同预报因子选择对预报效果的影响.给定训练样本集(x1,y1),(x2,y2),……,(xl,yl)其中xi∈RN,为N维向量,yi∈”-1,1”或yi∈”1,2,……,k”或yi∈R;通过训练学习寻求模式M(x),使其不但对于训练样本集满足yi=M(xi),而且对于预报数据集:Xl+1,Xl+2,……,Xm同样能得到满意的对应输出值yi.当yi∈”-1,1”时为最简单的二类划分,当yi∈”1,2……,k”时为k类划分,当yi∈R时为函数估计,即回归分析,本文为回归分析.SVM方法在释用方面具有如下优点:(1)传统的统计方法只有在样本数趋向无穷大时其性能才有理论上的保证.对于应用中的有限样本难以取得理想的效果.SVM方法是一种小样本学习方法.(2)SVM可以给出学习结果的推广能力的界.(3)SVM是一种处理非线性分类和非线性回归的有效方法.(4)SVM方法的计算量与样本向量的维数几乎无关,这在某种意义上避免了”维数灾”.
SVM 释用 预报因子 回归分析
王在文
北京城市气象研究所,100089
国内会议
乌鲁木齐
中文
260-263
2004-08-01（万方平台首次上网日期，不代表论文的发表时间）