结构声振数据的相似性分析和预测
支持向量机是基于统计学习理论提出的一种新型学习机,它具有很好的推广能力,在处理小样本问题时可有效解决过学习问题.在处理非线性问题时可避免‘维数灾难”.本文主要研究支持向量回归机的参数选择及应用.求解路径算法很节省时间, 可以对回归机的正则化参数进行优化,而模拟退火算法具有很好的全局寻优能力.对于复杂的实际问题, 结合求解路径和模拟退火这两种算法, 对结构声振数据进行回归分析和参数优化, 数值结果显示这样可以选得合理的参数,使得模型具有好的预测能力.
结构声振 数据分析 支持向量机 模拟退火 求解路径法 参数优化
梅立泉 丁雪梅 张淑娟
西安交通大学理学院,陕西西安 710049
国内会议
北京
中文
2831-2835
2009-11-18（万方平台首次上网日期，不代表论文的发表时间）