【摘要】：針對小樣本情形下的退化軌跡建模問題,為解決用ε支持向量回歸(ε-support vector regression,ε-SVR)建模時不敏感參數(shù)ε不易選擇的難題,提出一種基于v支持向量回歸(v-support vector regression,v-SVR)的退化軌跡建模方法,并用遺傳算法優(yōu)化模型參數(shù)以提高建模精度。參數(shù)v與支持向量和錯誤樣本點的個數(shù)有關(guān),根據(jù)這一性質(zhì)確定v的取值范圍,并實現(xiàn)對支持向量或錯誤樣本點個數(shù)的控制。對疲勞裂紋增長數(shù)據(jù)的實例分析表明,所提方法不僅便于確定參數(shù),而且相對于以往文獻的方法有更高的建模精度。
【作者單位】： 火箭軍指揮學院作戰(zhàn)實驗中心;火箭軍工程大學控制工程系;
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 楊潔;鄭寧;徐海濤;劉董;徐明;;支持向量預選取的域著色Voronoi圖方法[J];計算機應(yīng)用與軟件;2008年12期

2 李慶;胡捍英;;支持向量預選取的K邊界近鄰法[J];電路與系統(tǒng)學報;2013年02期

3 鄭逢德;張鴻賓;;在線Lagrangian支撐向量回歸[J];北京工業(yè)大學學報;2013年07期

4 趙春暉;張q，

本文編號：2545673