基于LS-SVM的小样本费用智能预测

被引：16

作者：

张晓晖

朱家元

张恒喜

不详

机构：

[1] 西安交通大学MPA中心

[2] 空军工程大学工程学院飞机与发动机工程系

[3] 空军工程大学工程学院飞机与发动机工程系西安

[4] 西安

[5] 西安

来源：

计算机工程与应用 | 2004年 / 27期

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; 小样本预测;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

最小二乘支持向量机引入最小二乘线性系统到支持向量机中,代替传统的支持向量机采用二次规划方法解决函数估计问题。该文推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的智能预测模型,并对机载电子设备费用预测进行了研究。结果表明最小二乘支持向量机具有比多元对数回归更高的小样本费用预测精度。

引用

页码：203 / 204+214 +214

页数：3