基于熵值法的加权最小二乘支持向量机

发布时间：2019-09-26 00:59

【摘要】：支持向量机是一种以统计学习理论为基础的机器学习算法,着重解决小样本的建模问题,并且对非线性高维数据具有较好的处理能力。通常对于多维特征的数据,会对每一维数据做归一化处理以消除量纲的影响,但缺点在于忽视了各维特征的权重差异。提出了一种加权最小二乘支持向量机的建模方法,通过熵值法确定每一维特征的权重,根据特征权重对数据进行加权处理,最后由最小二乘支持向量机建立该系统模型。实验表明,对于多维特征的数据,所提方法具有更好的建模效果。
【作者单位】： 中南大学机电工程学院;
【基金】：教育部新世纪人才基金(NCET-13-0593)资助
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 邹斌,李落清;支持向量机回归与v-支持向量机分类解的关系[J];湖北大学学报(自然科学版);2004年01期

2 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期

3 刘硕明;刘佳;杨海滨;;一种新的多类支持向量机算法[J];计算机应用;2008年S2期

4 尹传环;牟少敏;田盛丰;黄厚宽;;单类支持向量机的研究进展[J];计算机工程与应用;2012年12期

5 王云英;阎满富;;C-支持向量机及其改进[J];唐山师范学院学报;2012年05期

6 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期

7 邵惠鹤;支持向量机理论及其应用[J];自动化博览;2003年S1期

8 曾嵘,蒋新华,刘建成;基于支持向量机的异常值检测的两种方法[J];信息技术;2004年05期

9 魏玲,张文修;基于支持向量机集成的分类[J];计算机工程;2004年13期

10 沈翠华,邓乃扬,肖瑞彦;基于支持向量机的个人信用评估[J];计算机工程与应用;2004年23期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

4 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

5 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

6 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

7 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

8 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

10 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年

2 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年

3 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年

4 张华美;穿墙雷达基于支持向量机的成像算法研究[D];南京邮电大学;2015年

5 王喜宾;基于优化支持向量机的个性化推荐研究[D];重庆大学;2015年

6 夏书银;基于分类噪声检测的支持向量机算法研究[D];重庆大学;2015年

7 闫辛;半监督支持向量机模型与算法研究[D];上海大学;2016年

8 陈素根;非平行平面支持向量机及特征提取中若干问题研究[D];江南大学;2016年

9 刘大莲;大规模稀疏支持向量机算法研究[D];北京交通大学;2017年

10 鞠哲;基于支持向量机的赖氨酸翻译后修饰位点预测方法研究[D];大连理工大学;2016年

相关硕士学位论文 前10条

1 佟乐;添加Universum数据双支持向量机[D];河北大学;2015年

2 胡金扣;鲁棒支持向量机研究[D];河北大学;2015年

3 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年

4 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年

5 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年

6 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年

7 王芳;基于支持向量机的沪深300指数回归预测[D];山东大学;2015年

8 武放;基于支持向量机的复杂工业系统典型非正常工况分类问题研究[D];哈尔滨工业大学;2015年

9 王恩;监督和半监督支持向量机研究[D];西安邮电大学;2015年

10 吴福林;孪生支持向量机模型选择问题研究[D];中国矿业大学;2015年

，

本文编号：2541727