公共文化服务平台

搜索到373篇“ 支撑向量回归“的相关文章

基于支撑向量回归的射频消融损伤深度预测模型和系统: 本发明属于医疗仪器技术领域，具体为一种基于支撑向量回归的射频消融损伤深度预测模型和系统。本发明首先建立SVR消融损伤深度预测模型，包括根据射频消融参数：时间、CF、功率和阻抗以及消融损伤深度信息建立SVR参数模型；采用G...; 邬小玫李中天鄢盛杰

基于改进的稀疏最小二乘双子支撑向量回归的数字预失真技术被引量：1: 2023年; 为了补偿大容量卫星通信射频前端的功率放大器的非线性,传统的数字预失真(DPD)模型需要更多的系数和更高的阶次,严重影响预失真前馈路径的资源消耗。为了解决这一问题,该文提出一种基于改进的稀疏最小二乘双子支撑向量回归(ISLSTSVR)的低复杂度DPD方法。首先通过构建原空间的决策函数解决最小二乘双子支撑向量回归(LSTSVR)模型解不稀疏的问题;同时引用截断最小二乘损失函数增加模型的鲁棒性;然后采用Nystrom逼近方法得到核矩阵的低秩近似,进一步采用Cholesky分解降低核矩阵的运算复杂度;最后由低秩的核矩阵求得模型稀疏解。实验选用基于单管氮化镓(GaN)器件的宽带AB类功率放大器,以40 MHz的32QAM信号进行激励。预失真实验表明,该方法能在保证模型精度的情况下大幅减少DPD模型系数和计算复杂度,为星载射频前端的预失真技术提供了有效的系数降维思路和方法。; 代志江孔淑曼李明玉蔡天赋靳一徐常志; 关键词：数字预失真 CHOLESKY分解

基于相空间理论和支撑向量回归的入库径流预测: 2022年; 为得到一种适用性强且精度较高的水电站短期入库径流预测方法,研究构建了一种耦合相空间理论和支撑向量回归的日内入库径流预测方法。首先,利用互信息和虚假邻近点理论对入库径流历史数据进行相空间重构;然后,运用网格搜索算法对支撑向量回归模型进行参数率定和模型训练;最后得到径流预测的模型数据集。以三峡水库为例的研究结果表明,3种组合模型相比3种单一模型预测精度(相关系数R^(2))提升了8.9%~22.2%;所构建的组合模型(PSR-SVR)与3种单一预测模型、其他2种组合预测模型相比能够显著提高整体预测精度,与其他组合模型相比预测精度提高了4.1%~7.2%。方法也验证了相空间重构技术能有效应对混沌特性和还原径流序列的原始演变规律。; 谭政宇周曼胡挺张松郭率; 关键词：网格搜索支撑向量回归三峡水库

一种基于光滑支撑向量回归融合的二手车估值方法: 本发明公开了一种基于光滑支撑向量回归融合的二手车估值方法，包括以下步骤：获取二手车交易时的成交价格作为数据源，对数据源进行加工、清洗和脱敏；将脱敏后的数据源中的成交价格作为输入向量x并根据不同的影响因素进行分类，所述影响...; 陶根元徐国俊詹晓航; 文献传递

多核支撑向量回归方法研究被引量：1: 2019年; 近些年来,支撑向量回归方法在减少泛化误差方面表现出了出色的性能。然而,传统的支撑向量机或者支撑向量回归方法是基于单个核函数的,在高维空间中解决非线性问题。但随着应用领域不断扩展,在一些复杂情形下,由单个核函数构成的支撑向量回归方法并不能满足数据异构、输入空间维度过高等实际问题。针对此问题,人们在单核学习的基础上提出了多核学习,即将多个核函数进行线性组合,以此来提高模型精度,并逐渐成为当下机器学习领域研究的热点。文章综述了支撑向量回归算法与多核学习算法理论知识,并分析了各自的特点以及应用领域。总结了多核支撑向量回归方法下一步的研究趋势。; 陈博郑凯东王家华; 关键词：支撑向量机支持向量回归多核学习

支撑向量回归和博弈论在船舶移动位置跟踪中的应用被引量：3: 2017年; 近年来,船舶移动位置跟踪技术发展迅速,并在海洋交通运输、渔船管理等方面发挥了显著作用。然而,传统的船舶定位算法在精确度、成本上存在较大的缺陷,低成本高精度的移动位置跟踪算法难以实现。针对传统定位算法的不足,本文提出一种基于支撑向量回归和博弈论的船舶移动位置跟踪方法,首先通过支撑向量回归对跟踪目标进行位置估计,然后采用博弈论对初步估计位置进行平滑,从而实现对船舶移动位置的精确跟踪。该方法具有进一步推广应用的潜力。; 陈效军杨章琼; 关键词：位置估计支撑向量回归博弈论

基于支撑向量回归的二端元混合像元分解: 2015年; 针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数(C=1024.0和g=4.0),进一步对全部混合像元进行混合像元分解。实验结果表明:SVR分解结果 RMSE为5.95,R2为0.958,优于LSMM方法(RMSE=7.71,R2=0.932),且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。; 吴晓英王翠云; 关键词：SVR 非线性混合像元分解

在线Lagrangian支撑向量回归: 2013年; 为快速求解在线支撑向量回归算法,给出了一种基于Lagrangian支撑向量回归(LSVR)的在线增量学习算法.LSVR得到的无约束最优化问题可以采用快速迭代算法求解,该迭代算法可以从任何初始点收敛.LSVR求解时,在迭代开始只需要对阶数为输入样本数加一的矩阵求逆.在线增量LSVR学习算法在线性情况下采用S-M-W公式可以明显减少运算时间,在非线性情况下矩阵求逆充分利用了历史学习结果,减少了很多重复计算.通过在多个数据集上进行对比,实验结果表明:该算法与以前算法相比不仅保持了较好的精度,同时训练时间大大减少.; 郑逢德张鸿宾; 关键词：支撑向量回归迭代算法

大样本领域自适应支撑向量回归机被引量：3: 2013年; 针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(support vector regression,简称SVR)等价于中心约束最小包含球(center-constrained minimum enclosing ball,简称CC-MEB)以及相似领域概率分布差异只与两域各自的最小包含球中心点位置有关的理论新结果,提出了针对大数据集的领域自适应核心集支撑向量回归机(adaptive-core vector regression,简称A-CVR).该算法利用源域CC-MEB中心点对目标域CC-MEB中心点进行校正,从而提高目标域的回归预测性能.实验结果表明,这种领域自适应算法可以弥补目标域缺失数据的不足,大大提高回归预测性能.; 许敏王士同顾鑫俞林; 关键词：领域自适应支撑向量回归大数据集

支撑向量回归算法及其应用研究: 在过去的数十年，模式识别和机器学习领域的诸多算法深受过学习、局部极小点、训练样本过于巨大等问题的困扰，基于统计学习理论的支撑向量机(SVM)在一定程度上克服了这些问题，通过引入ε不敏感损失函数将SVM成功应用到回归中的，...; 郑逢德; 关键词：模式识别支撑向量回归鲁棒算法; 文献传递

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈