v支持向量回归用于退化轨迹建模

发布时间：2019-10-04 01:07

【摘要】：针对小样本情形下的退化轨迹建模问题,为解决用ε支持向量回归(ε-support vector regression,ε-SVR)建模时不敏感参数ε不易选择的难题,提出一种基于v支持向量回归(v-support vector regression,v-SVR)的退化轨迹建模方法,并用遗传算法优化模型参数以提高建模精度。参数v与支持向量和错误样本点的个数有关,根据这一性质确定v的取值范围,并实现对支持向量或错误样本点个数的控制。对疲劳裂纹增长数据的实例分析表明,所提方法不仅便于确定参数,而且相对于以往文献的方法有更高的建模精度。
【作者单位】： 火箭军指挥学院作战实验中心;火箭军工程大学控制工程系;
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 杨洁;郑宁;徐海涛;刘董;徐明;;支持向量预选取的域着色Voronoi图方法[J];计算机应用与软件;2008年12期

2 李庆;胡捍英;;支持向量预选取的K边界近邻法[J];电路与系统学报;2013年02期

3 郑逢德;张鸿宾;;在线Lagrangian支撑向量回归[J];北京工业大学学报;2013年07期

4 赵春晖;张q，

本文编号：2545673