-
题名基于LS-SVM的小样本费用智能预测
被引量：16
- 1
-
-
作者
张晓晖
朱家元
张恒喜
-
机构
西安交通大学MPA中心
空军工程大学工程学院飞机与发动机工程系
-
出处
《计算机工程与应用》
CSCD
北大核心
2004年第27期203-204,214,共3页
-
基金
国家部委项目
空军重点型号工程项目资助
-
文摘
最小二乘支持向量机引入最小二乘线性系统到支持向量机中,代替传统的支持向量机采用二次规划方法解决函数估计问题。该文推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的智能预测模型,并对机载电子设备费用预测进行了研究。结果表明最小二乘支持向量机具有比多元对数回归更高的小样本费用预测精度。
-
关键词
机器学习
支持向量机
神经网络
最小二乘支持向量机
小样本预测
-
Keywords
machine learning,support vector machines,neural networks,least squares support vector machines,prediction with few observations
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于LS-SVR岩石爆破块度预测
被引量：12
- 2
-
-
作者
史秀志
王洋
黄丹
史采星
-
机构
中南大学资源与安全工程学院
-
出处
《爆破》
CSCD
北大核心
2016年第3期36-40,共5页
-
基金
国家科技支撑计划项目(2013BAB02B05)
-
文摘
为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验。结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势。
-
关键词
支持向量机
最小二乘支持向量机回归
LS-SVMlab
岩石块度
小样本预测
-
Keywords
support vector machines
least squares support vector machines regression
LS-SVMIab
rock flagmentation
prediction with few observations
-
分类号
TD235
[矿业工程—矿井建设]
-
