基于ANN和SVM的质量预测方法研究

被引：9

作者：

刘渤海 ^{[1
,2
]}

杨世元 ^{[3
]}

机构：

[1] 合肥工业大学管理学院

[2] 装甲兵工程学院装备再制造技术国防科技重点实验室

[3] 合肥工业大学仪器科学与光电工程学院

来源：

制造业自动化 | 2010年 / 32卷 / 05期

关键词：

人工神经网络(ANN); 支持向量机(SVM); 时序空间(TSS); 质量预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

针对随机抽取的质量数据序列的特点,提出时序空间(Time Sequence Space,TSS)的概念,将人工神经网络(Artificial Neural Network,ANN)和支持向量机(Support VectorMachine,SVM)回归模型引入质量数据预测领域,并给出了相应的过程和算法。使用均方误差对拟合精度进行检验,用相对误差对预测精度进行检验。结果表明,相对于传统的多项式回归模型,人工神经网络和支持向量机回归模型的拟合精度较高,相对误差较小,泛化能力较强,可以作为质量数据的预测方法。

引用

页码：152 / 155

页数：4

共 6 条

[1]

基于MATLAB的BP神经网络预测系统的设计 [J].