【摘要】： 為了促進經(jīng)濟快速發(fā)展和社會不斷的進步,在現(xiàn)有的統(tǒng)計數(shù)據(jù)資料基礎(chǔ)上為各種商業(yè)和科研等活動做出決策分析,研究并認識事物內(nèi)在的變化規(guī)律,對事物的未來發(fā)展進行預測已經(jīng)成為機器學習領(lǐng)域新的研究熱點。隨著預測對象越來越復雜,精度要求的越來越高,單一的預模型始終存在著一定的盲區(qū),已經(jīng)不能滿足人們的需要,于是自然想到對兩種或多種預測模型進行結(jié)合,在預測過程中彌補其各自的缺點,實現(xiàn)優(yōu)勢互補,達到更高的預測精度。 本論文首先詳細介紹了灰色理論和支持向量機各自理論的研究現(xiàn)狀和建模機理,然后針對灰色預測模型與支持向量機模型兩者的聯(lián)系與各自的優(yōu)勢,給出了以下兩種融合的可能性和方式,并驗證了融合后的預測模型具有更高的預測精度： 第一,將灰色模型與支持向量機模型通過最優(yōu)權(quán)組合。其核心思想是：首先利用GM(1,1)模型和支持向量機模型分別對數(shù)據(jù)進行預測,這樣得到兩組預測值,然后均方差最小的前提下,尋找最優(yōu)組合權(quán)值將兩組預測值組合起來,將組合得到的預測值作為最終的預測值,從而達到提高預測精度的目的。 第二,給出了基于灰色關(guān)聯(lián)度分析方法的兩種支持向量機預測模型(稱為灰色支持向量機)。其一是將灰色關(guān)聯(lián)度方法直接利用到支持向量機模型中去,從眾多的影響因子中篩選出主要因子,再將主要因子作為支持向量機的輸入進行預測：其二是將篩選出來的主要因子利用灰色理論方法進行一次累加,再將累加生成數(shù)列作為輸入建立灰色支持向量機預測模型。 論文中將組合預測模型運用于兩個實際問題中,通過實驗中三種預測模型的預測值對比,驗證了組合模型的有效性和準確性,具有良好的魯棒性。將灰色支持向量機應(yīng)用于某城市環(huán)境污染問題中進行模擬仿真,實驗結(jié)果表明新模型對預測精度有極大的改善,有效的降低預測成本和空間與時間復雜度,要優(yōu)于單一的支持向量機預測模型。
【圖文】：

的特征空間中線性可分的，它能將低維空間映射到無限維的特征空間，因此高斯基RBF核是最常用的核函數(shù)。圖3一2是一個支持向量機模擬線性分類問題圖。該支持向量機學習模型選擇RBF核函數(shù)，通過模型的不斷學習訓練得到支持向量，找到最優(yōu)的分類超平面，從而進行仁姍分類。圖中支持向量用紅圈表示。蘸蘸蘸羹羹 鑫鑫鑫 纂纂 纂 彝彝彝彝彝彝彝彝彝彝彝彝彝彝 彝彝 彝馨摹摹——op幼 malIinearfun比 onnnnnnnnnnnnnnnnnnn +++suPPortveCtorrrrr淡毋理理馨 馨纂 纂 纂纂 纂 纂圖3一2線性分類問題中支持向量求解的模擬實驗3.2.2支持向量機回歸
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：N941.5;O212.1

【參考文獻】

相關(guān)期刊論文 前5條

1 蘇高利;鄧芳萍;;關(guān)于支持向量回歸機的模型選擇[J];科技通報;2006年02期

2 羅小明，，楊惠鵠;灰色綜合評判模型[J];系統(tǒng)工程與電子技術(shù);1994年09期

3 李立輝,楊印生,張德駿;提高灰色模型精度的一種新方法[J];系統(tǒng)工程與電子技術(shù);1997年03期

4 唐萬梅;;基于灰色支持向量機的新型預測模型[J];系統(tǒng)工程學報;2006年04期

5 徐恒振;灰色關(guān)聯(lián)度聚類分析在溢油鑒別中的應(yīng)用[J];中國環(huán)境科學;1995年01期

相關(guān)博士學位論文 前1條

1 李海生;支持向量機回歸算法與應(yīng)用研究[D];華南理工大學;2005年

相關(guān)碩士學位論文 前3條

1 李福琴;灰色模型的穩(wěn)定性和建模精度研究[D];武漢理工大學;2006年

2 江瓊;小樣本可視化數(shù)據(jù)的智能預測與后處理[D];武漢理工大學;2005年

3 賀曉;基于灰色關(guān)聯(lián)的案例推理在智能診斷系統(tǒng)中的應(yīng)用研究[D];華中科技大學;2005年

本文編號：2658579