發(fā)布時間：2018-04-04 16:12

  本文選題：相關(guān)向量機(jī)　切入點：多屬性　出處：《華南理工大學(xué)學(xué)報(自然科學(xué)版)》2017年01期

【摘要】：在相關(guān)向量機(jī)的預(yù)測模型中,核函數(shù)的選擇和核參數(shù)的取值對模型預(yù)測性能影響很大.針對這一問題,文中采用多屬性高斯核函數(shù)建立相關(guān)向量機(jī)預(yù)測模型,提出了一種自優(yōu)化的核參數(shù)學(xué)習(xí)方法進(jìn)行參數(shù)優(yōu)化,并將該模型用于二維標(biāo)準(zhǔn)函數(shù)預(yù)測和污水處理系統(tǒng)出水水質(zhì)預(yù)測,與不同核函數(shù)下的相關(guān)向量機(jī)模型以及不同參數(shù)優(yōu)化方法下獲得的預(yù)測模型進(jìn)行了對比實驗.結(jié)果表明,基于自優(yōu)化的多屬性高斯核相關(guān)向量機(jī)模型對低維數(shù)據(jù)的參數(shù)敏感度較低,對高維數(shù)據(jù)有良好的輸出精度和稀疏性,在污水出水水質(zhì)預(yù)測中獲得比較滿意的結(jié)果.
[Abstract]:In the prediction model of correlation vector machine, the choice of kernel function and the value of kernel parameter have great influence on the prediction of the model.To solve this problem, a prediction model of correlation vector machine is established by using multi-attribute Gao Si kernel function, and a self-optimizing kernel parameter learning method is proposed to optimize the parameters.
【作者單位】： 華南理工大學(xué)自動化科學(xué)與工程學(xué)院;
【基金】：廣東省科技計劃項目(2016A020221008,2016B090927007) 廣州市科技計劃項目(201604010032)~~
【分類號】：X703;TP18
，

本文編號：1710699