1.合肥工业大学管理学院过程优化与智能决策教育部重点实验室,合肥 230009;2. 美国俄亥俄大学工程学院工业与系统工程系,阿森斯 45701
出版日期:
2017-06-25发布日期:
2017-09-07Selective Ensemble of SVM Based on Disagreement Measure for Haze Forecast
ZHU Xuhui 1,2 , NI Zhiwei1 , NI Liping1 , CHENG Meiying1 ,LI Jingming1 , JIN Feifei11. Key Laboratory of Process Optimization and Intelligent Decision-Making, School of Management,Hefei University of Technology, Hefei 230009; 2. Department of Industrial and Systems Engineering,Russ College of Engineering and Technology, Ohio University, Athens 45701
Online:
2017-06-25Published:
2017-09-07摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
目前雾霾污染日益严重, 威胁到了环境保护和人类健康, 需要对雾霾 天气进行预测. 通过对多个支持向量机(SVM)进行选择性集成, 克服单个SVM不稳 定的缺点, 提出了基于相异度的SVM选择性集成雾霾天气预测方法(DSE-SVM). 首先采用高斯核SVM独立训练出多个个体SVM; 其次计算出个体SVM的相异度, 剔除相异度最大的个体SVM; 最后运用多数投票算法对剩余的SVM进行集成, 并进行了理论分析. 通过对北京、上海和广州三地区近两年的雾霾数据进行实验分析, 实验结果表明DSE-SVM方法预测性能更优, 具有较高的稳定性和可信性.
分享此文: