基于matlab的svr回归模型的设计与实现毕业论文

基于matlab的svr回归模型的设计与实现毕业论文

ID:881405

大小:2.75 MB

页数:34页

时间:2017-09-22

基于matlab的svr回归模型的设计与实现毕业论文_第1页
基于matlab的svr回归模型的设计与实现毕业论文_第2页
基于matlab的svr回归模型的设计与实现毕业论文_第3页
基于matlab的svr回归模型的设计与实现毕业论文_第4页
基于matlab的svr回归模型的设计与实现毕业论文_第5页
资源描述:

《基于matlab的svr回归模型的设计与实现毕业论文》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、基于MATLAB的SVR回归模型的设计与实现TheDesignandImplementationofSVRRegressionModelBasedonMATLAB摘要支持向量机是根据统计学习理论提出的一种新的学习方法,近年来受到了国内外学术界的广泛重视,并已在模式识别和函数估计中得到广泛应用。支持向量机理论的最大特点是由有限的训练集样本得到的小的误差保证对独立的测试集仍保持小的误差。从而通过支持向量机(SVM)理论,可以建立支持向量回归(SVR)预测模型,以解决各种实际问题。  SVR算法是模式识别中应用比较广泛的算法模型之一,它是支持向量机在函数逼近和回归估计

2、中的应用。在SVR回归分析中,使用支持向量机可以使回归函数尽量平滑,其泛化能力强。  本文论述了支持向量回归的基本原理和思想,介绍了支持向量回归算法以及所用到的几种常见的核函数(即线性内核、多项式内核、径向基函数内核、高斯内核)。本设计主要实现的功能有:数据集的创建、内核函数的选取、参数的设置、训练集的回归、数据集的保存与打开。通过不同核函数的选取以及相应参数的设置对输入数据集进行回归。此模型主要解决非线性回归模型的预测。通过实验改变各个参数的不同取值对训练集进行回归,并分别统计出支持向量的个数,回归性能,程序运行时间。最后对回归的结果进行分析,得出各参数对回归

3、性能的影响。关键词:支持向量回归;训练算法;核函数;线性判别ABSTRACTSupportvectormachine(SVM)isanewmethodofstudybasedonstatisticallearningtheorywhichhasattractedextensiveattentionsbyacademiccirclesbothathomeandabroadinrecentyears.Ithasbeenwidelyusedinpatternrecognitionandfunctionestimation.Thebiggestcharacteristi

4、cofsupportvectormachine(SVM)theoryisthatasmallerrorlimitedbythetrainingsetofsamplecanensuretheindependenttestset’ssmallerror.Thusasupportvectorregression(SVR)forecastingmodelcanbebuiltbysupportvectormachine(SVM)theoryanditcansolvevariouspracticalproblems.SVRalgorithmmodelisoneofpatte

5、rnrecognitionalgorithm,whichismorewidelyusedinapproximationoffunctionandtheapplicationoftheregressionestimate.IntheSVRregressionanalysis,usingsupportvectormachine(SVM)cansmoothregressionfunctionasfaraspossible.Itsgeneralizationabilityisstrong.Thispaperdiscussesthebasicprincipleofsupp

6、ortvectorregressionandintroducessupportvectorregressionalgorithmandseveralcommonkernelfunctions(thelinearkernel,polynomialkernelandradialbasisfunction(RBF)kernel,theGaussiankerneletc.).Thisessaysuccessfullymakesthesefunctionswork:thecreationofdatasets,theselectionofkernelfunction,par

7、ametersettings,returnofthetrainingset,thepreservationandopenofthedataset.Weaccomplishthereturnofinputofdatasetthroughtheselectionofdifferentkernelfunctionsandthesettingofcorrespondingparameter.Thismodelismainlytosolvethenonlinearregressionmodelprediction.Then,thesameissueisdonethroug

8、htheexperime

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。