计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2006年
9期
123-128
,共6页
支持向量机%序列最小优化%改进学习算法%回归问题
支持嚮量機%序列最小優化%改進學習算法%迴歸問題
지지향량궤%서렬최소우화%개진학습산법%회귀문제
支持向量机是一种优秀的学习方法,也是具有很好泛化性能的回归方法.但由于支持向量机算法实习复杂,效率低,严格限制了其应用,SMO算法的提出大大提高了支持向量机的学习效率.因此,借助SMO算法,便可以实现大样本集的非线性系统辨识和函数拟合.文中对回归问题的SMO算法作了详细介绍,并对其进行改进.然后研究了利用改进SMO算法的非线性系统辨识方法,给出了非线性系统的辨识的仿真结果,和一维二维函数的拟合仿真.并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性.
支持嚮量機是一種優秀的學習方法,也是具有很好汎化性能的迴歸方法.但由于支持嚮量機算法實習複雜,效率低,嚴格限製瞭其應用,SMO算法的提齣大大提高瞭支持嚮量機的學習效率.因此,藉助SMO算法,便可以實現大樣本集的非線性繫統辨識和函數擬閤.文中對迴歸問題的SMO算法作瞭詳細介紹,併對其進行改進.然後研究瞭利用改進SMO算法的非線性繫統辨識方法,給齣瞭非線性繫統的辨識的倣真結果,和一維二維函數的擬閤倣真.併通過倣真,與原始算法進行瞭比較,顯示瞭改進SMO算法的快速性.
지지향량궤시일충우수적학습방법,야시구유흔호범화성능적회귀방법.단유우지지향량궤산법실습복잡,효솔저,엄격한제료기응용,SMO산법적제출대대제고료지지향량궤적학습효솔.인차,차조SMO산법,편가이실현대양본집적비선성계통변식화함수의합.문중대회귀문제적SMO산법작료상세개소,병대기진행개진.연후연구료이용개진SMO산법적비선성계통변식방법,급출료비선성계통적변식적방진결과,화일유이유함수적의합방진.병통과방진,여원시산법진행료비교,현시료개진SMO산법적쾌속성.
