資源描述：
《基于matlab的svr回歸模型的設(shè)計(jì)與實(shí)現(xiàn)(1)本科論文.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于MATLAB的SVR回歸模型的設(shè)計(jì)與實(shí)現(xiàn)TheDesignandImplementationofSVRRegressionModelBasedonMATLAB摘要支持向量機(jī)是根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論提出的一種新的學(xué)習(xí)方法，近年來(lái)受到了國(guó)內(nèi)外學(xué)術(shù)界的廣泛重視，并已在模式識(shí)別和函數(shù)估計(jì)中得到廣泛應(yīng)用。支持向量機(jī)理論的最大特點(diǎn)是由有限的訓(xùn)練集樣本得到的小的誤差保證對(duì)獨(dú)立的測(cè)試集仍保持小的誤差。從而通過(guò)支持向量機(jī)(SVM)理論,可以建立支持向量回歸(SVR)預(yù)測(cè)模型，以解決各種實(shí)際問(wèn)題?！ VR算法是模式識(shí)別中應(yīng)用比較廣泛的算法模型之一，
2、它是支持向量機(jī)在函數(shù)逼近和回歸估計(jì)中的應(yīng)用。在SVR回歸分析中，使用支持向量機(jī)可以使回歸函數(shù)盡量平滑，其泛化能力強(qiáng)?！ ”疚恼撌隽酥С窒蛄炕貧w的基本原理和思想，介紹了支持向量回歸算法以及所用到的幾種常見(jiàn)的核函數(shù)（即線性?xún)?nèi)核、多項(xiàng)式內(nèi)核、徑向基函數(shù)內(nèi)核、高斯內(nèi)核）。本設(shè)計(jì)主要實(shí)現(xiàn)的功能有：數(shù)據(jù)集的創(chuàng)建、內(nèi)核函數(shù)的選取、參數(shù)的設(shè)置、訓(xùn)練集的回歸、數(shù)據(jù)集的保存與打開(kāi)。通過(guò)不同核函數(shù)的選取以及相應(yīng)參數(shù)的設(shè)置對(duì)輸入數(shù)據(jù)集進(jìn)行回歸。此模型主要解決非線性回歸模型的預(yù)測(cè)。通過(guò)實(shí)驗(yàn)改變各個(gè)參數(shù)的不同取值對(duì)訓(xùn)練集進(jìn)行回歸，并分別統(tǒng)計(jì)出支持向量的個(gè)數(shù)
3、，回歸性能，程序運(yùn)行時(shí)間。最后對(duì)回歸的結(jié)果進(jìn)行分析，得出各參數(shù)對(duì)回歸性能的影響。關(guān)鍵詞：支持向量回歸;訓(xùn)練算法;核函數(shù);線性判別ABSTRACTSupportvectormachine(SVM)isanewmethodofstudybasedonstatisticallearningtheorywhichhasattractedextensiveattentionsbyacademiccirclesbothathomeandabroadinrecentyears.Ithasbeenwidelyusedinpatternrecog
4、nitionandfunctionestimation.Thebiggestcharacteristicofsupportvectormachine(SVM)theoryisthatasmallerrorlimitedbythetrainingsetofsamplecanensuretheindependenttestset’ssmallerror.Thusasupportvectorregression(SVR)forecastingmodelcanbebuiltbysupportvectormachine(SVM)theor
5、yanditcansolvevariouspracticalproblems.SVRalgorithmmodelisoneofpatternrecognitionalgorithm,whichismorewidelyusedinapproximationoffunctionandtheapplicationoftheregressionestimate.IntheSVRregressionanalysis,usingsupportvectormachine(SVM)cansmoothregressionfunctionasfar
6、aspossible.Itsgeneralizationabilityisstrong.Thispaperdiscussesthebasicprincipleofsupportvectorregressionandintroducessupportvectorregressionalgorithmandseveralcommonkernelfunctions(thelinearkernel,polynomialkernelandradialbasisfunction(RBF)kernel,theGaussiankerneletc
7、.).Thisessaysuccessfullymakesthesefunctionswork:thecreationofdatasets,theselectionofkernelfunction,parametersettings,returnofthetrainingset,thepreservationandopenofthedataset.Weaccomplishthereturnofinputofdatasetthroughtheselectionofdifferentkernelfunctionsandthesett
8、ingofcorrespondingparameter.Thismodelismainlytosolvethenonlinearregressionmodelprediction.Then,thesameissueisdonethroughtheexperime
