SVR参数对非线性函数拟合的影响

被引：18

作者：

成鹏

汪西莉

机构：

[1] 陕西师范大学计算机科学学院

来源：

关键词：

支持向量回归; 径向基函数; 模型参数; 非线性拟合;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对基于径向基函数(RBF)的支持向量回归(SVR)模型参数的理论研究与实验论证结果表明,惩罚系数、不敏感损失函数的宽度以及核函数参数对非线性函数拟合精度均有影响,给出SVR参数的经验范围以减小人工选择SVR参数的盲目性,并通过缩小参数优化算法的搜索区间,降低算法的整体时间复杂度和空间复杂度。

引用

页码：189+191+194 / 189 +191

页数：3

共 6 条

[1]

基于高分辨率遥感影像的渭河水质遥感监测研究.[D].蒋赛.陕西师范大学.2009, 06

[2]

支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,

王开义 ;

徐红敏 ;

赵春江 ;

喻钢 .

[4] 支持向量机回归的参数选择方法 [J].

闫国华 ;

朱永生 .

[5] 基于概率投票策略的多类支持向量机及应用 [J].

王晓红 .

[6] 支持向量机中核函数的性能评价策略 [J].

罗瑜 ;

李涛 ;

王丹琛 ;

何大可 .