毕业论文-- 支持向量机预测以及参数优化

《毕业论文-- 支持向量机预测以及参数优化 》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、毕业设计（论文）题目：支持向量机预测以及参数优化学院：机电工程学院专业：工业工程学生姓名：班级/学指导老师/督导老师：起止时间：2016年2月22日至2016年6月11日摘要摘要通常，应用在市场营销和工业制造的预测方法有很多种，例如一元线性回归、多元线性回归、指数平滑预测法和支持向量机预测。本文要介绍的方法是支持向量机预测方法，分析比较在固定参数情况下和使用了参数优化情况下的预测精度，证明支持向量机的参数是预测精度的关键所在。支持向量机预测需要在Matlab程序中进行，辅以lib-svm工具箱编写相关代码

2、，根据经验给定参数，接着对数据进行预测。然后利用遗传算法对支持向量机进行参数优化，对相同的数据进行预测。最后对比参数固定和参数优化后的情况下，预测精度程度的区别。本文研究发现，影响支持向量机预测精度的因素很大程度上取决于参数值的不同，经验法给定参数的SVM预测远远不如通过参数优化的SVM预测精度高，即基于遗传算法的支持向量机参数优化的预测结果更加接近实际值。关键词：预测；支持向量机；参数优化；遗传算法；IAbstractAbstractIngeneral,therearemanykindsofforeca

3、stingmethodsusedinmarketingandindustrialmanufacturing,suchaslinearregression,multiplelinearregression,exponentialsmoothingforecastingmethodandsupportvectormachineprediction.Thispaperistointroducethemethodofsupportvectormachinepredictionmethod,analysisandc

4、omparisononthefixedparameterconditionsanduseparameteroptimizationpredictionaccuracyundertheconditionthattheparametersofsupportvectormachineisthekeytothepredictionaccuracySupportvectormachinepredictionneedstobecarriedoutintheMatlabprogram,supplementedbylib

5、-svmtoolboxtowritetherelevantcode,accordingtotheexperienceofagivenparameter,andthentopredictthedata.Thenthegeneticalgorithmisusedtooptimizetheparametersofsupportvectormachine,andthesamedataarepredicted.Finally,thedifferencebetweenthepredictionaccuracyandt

6、heparametersisfixedandtheparametersareoptimized.Inthispaper,wefindthatthefactorswhichaffecttheaccuracyofthesupportvectormachinedependinalargeextentdependontheparametervalues.EmpiricalmethodgivenparametersoftheSVMpredictionisfarworsethantheSVMpredictionacc

7、uracythroughparameteroptimization,thatis,basedonthegeneticalgorithmtooptimizethesupportvectormachineparametersperformstobemoreclosetotheactualvalueofthepredictionresults.Keywords:prediction;supportvectormachine;parameteroptimization;geneticalgorithm;II目录目

8、录摘要IAbstractII目录III第一章概述11.1国内外研究现状及成果11.2主要研究内容及思路11.2.1研究内容与思路11.2.2实现方法及预期目标21.3课题研究的意义21.4论文的结构31.5本章小结3第二章支持向量机相关理论及Matlab基础42.1支持向量机（SVM）理论42.1.1支持向量机（SVM）原理42.1.2支持向量机的优点42.1.3支持向量机的现状与成果52.2支持向量机（SVM）建模技术52.