支持向量回归算法的研究及应用

《支持向量回归算法的研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安工业大学硕士学位论文支持向量回归算法的研究及应用姓名：娄小燕申请学位级别：硕士专业：计算机应用技术指导教师：刘白林20100514支持向量回归算法的研究及应用学科：计算机应用技术研究生签字：蔷小瓿指导教师签字：；巾乡聿摘要支持向量机主要应用于分类和回归问题中，是继神经网络后机器学习的研究热点之一。西气东输管材力学性能检测分析对质量控制起着非常重要的作用。本课题将支持向量机用于西气东输二线用管材性能试验数据曲线拟合问题的研究当中，内容主要包括采用支持向量机分类算法对管材试验系列温度落锤试验数据的拟合基函数进行自动分类；同时对大量的冲击试验

2、和落锤试验数据的进行拟合，以寻求数据间的关系，根据输入预测输出供管材质量分析。论文的主要工作包括：1)对机器学习、统计学习理论以及支持向量机的发展和研究现状进行了介绍。讨论了核函数、VC维、核参数选择等对支持向量机模型性能的重要性。2)以支持向量机分类理论为指导，对数据进行预处理，根据数据在拟合过程中所显现的特性，对数据特征进行提取、归一，并结合网格搜索算法求解出最优参数，选择最佳核函数，然后构建了支持向量机分类模型，用以解决基函数分类问题。以MicrosoftVisualC++6．0作为开发工具，实现了基函数分类功能，并将其应用于实验中，

3、预测正确率达到了80％，说明该系统具有良好的分类效果。3)采用最小二乘支持向量回归机算法构造曲线拟合预测模型，该方法可对大量数据进行快速的处理。在MATLAB环境下，使用该预测模型对西气东输二线用管材性能试验中落锤和冲击试验数据进行拟合，预测结果的相对误差的均方差为17．1611，证明该模型在西气东输试验数据拟合预测领域可行有效。本文是对曲线拟合基函数自动选择的初次尝试，实验结果在样本数据有限的情况下，所得预测误差偏大，但本课题拓宽了支持向量机的应用领域。关键词：西气东输；曲线拟合；基函数；支持向量机；支持向量回归SupportVector

4、RegressionAlgorithmResearchandApplicationDiscipline：ComputerApplicationTechnologyStudentSignature：三饥×j气PSupervisorSignature．么拟易撕蚀Abstractvectormachineismainlyusedinclassificationandregressionproblems，itappearstobeanotherhotresearchMachineLearningmethodafterneuralnetworks．T

5、heanalysisoftheWest-Eastgaspipelineperformancetestplaysaveryimportantroleinthequalitycontr01．Theresearchwouldadaptthesuppoavectormachinetheoryintothestudyofcurvefittingproblemswhichisbasedonthe2加West-EastGasperformancetestdata．Itmainlyinvolvessupportvectormachineclassifica

6、tionalgorithmtoimplementcurvefiUingbasisfunctionautomaticclassification，thefittingdataisobtainedfromtheseriestemperaturedrophammertestinWest-Eastgaspipeperformance．Meanwhile，fittingcurvebasedonalargenumberofimpacttestariddropweighttestdataisusedtoinvestigatetherelationship

7、betweenthedata，Predictingtheoutputwhichisusedtoanalysisthepipequality．Myresearchmainlyincluded：1)theintroductiontowardsthedevelopmentandcurrentstudyofmachinelearning，statisticalleamingtheoryandsupportvectormachineandthediscussionoftheimportanceofKernelfunction，VCdimension，

8、theselectionofKernelparametersforperformanceofsupportvectormachinemodel．2)Withtheinstruct