基于优化最小二乘支持向量机的小样本预测研究
| 外文标题 | Data Prediction with Few Observations Based on Optimized Least Squares Support Vector Machines |
| 文献类型 | 期刊 |
| 作者 | 朱家元[1];杨云[2];张恒喜[3];王卓健[4] |
| 机构 | [1]空军工程大学工程学院飞机与发动机工程系,北京航空航天大学工程系统工程系,空军工程大学工程学院飞机与发动机工程系,空军工程大学工程学院飞机与发动机工程系 陕西西安 710038 ,北京 100083 ,陕西西安 710038 ,陕西西安 710038 [2]空军工程大学工程学院飞机与发动机工程系,北京航空航天大学工程系统工程系,空军工程大学工程学院飞机与发动机工程系,空军工程大学工程学院飞机与发动机工程系 陕西西安 710038 ,北京 100083 ,陕西西安 710038 ,陕西西安 710038 [3]空军工程大学工程学院飞机与发动机工程系,北京航空航天大学工程系统工程系,空军工程大学工程学院飞机与发动机工程系,空军工程大学工程学院飞机与发动机工程系 陕西西安 710038 ,北京 100083 ,陕西西安 710038 ,陕西西安 710038 [4]空军工程大学工程学院飞机与发动机工程系,北京航空航天大学工程系统工程系,空军工程大学工程学院飞机与发动机工程系,空军工程大学工程学院飞机与发动机工程系 陕西西安 710038 ,北京 100083 ,陕西西安 710038 ,陕西西安 710038 ↓ |
| 来源信息 | 年:2004卷:25期:6页码范围:565-568 |
| 期刊信息 | 航空学报ISSN:1000-6893 |
| 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;预测 |
| 摘要 | 统计学中的预测问题主要是通过对已知数据的分析,找到数据内在的相互依赖关系,从而获得对未知数据的预测能力.该文提出了最小二乘支持向量机参数优化方法--多层动态自适应优化算法,构建了基于最小二乘支持向量机的预测模型,并对Ti-26合金的性能预测进行了研究.结果表明:优化的最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力. |
| 收录情况 | PKU |
| 所属部门 | 可靠性与系统工程学院 |
| 链接地址 | http://d.g.wanfangdata.com.cn/Periodical_hkxb200406008.aspx |
| DOI | 10.3321/j.issn:1000-6893.2004.06.008 |
| 基金 | 国防预研基金; 空军重点型号工程项目 |
全文
影响因子：
dc:title:基于优化最小二乘支持向量机的小样本预测研究
dc:creator:朱家元;杨云;张恒喜,等
dc:date: publishDate:2004-11-25
dc:type:期刊
dc:format: Media：航空学报
dc:identifier: LnterrelatedLiterature：航空学报.2004,25(6),565-568.
dc:identifier:DOI：10.3321/j.issn:1000-6893.2004.06.008
dc: identifier:ISBN:1000-6893
