微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2011年
8期
241-243
,共3页
方若宇%张琼%许慰玲%张虹
方若宇%張瓊%許慰玲%張虹
방약우%장경%허위령%장홍
用户建模%支持向量机%核函数
用戶建模%支持嚮量機%覈函數
용호건모%지지향량궤%핵함수
用户建模是从用户偏好数据中建立用户偏好模型的过程,用户偏好数据具有系统运行初期的稀疏性和非线形的特点.支持向量机(Support Vector Machine,简称SVM)具有小样本学习、非线形处理的能力,是合适的用户建模工具.SVM的非线形处理能力主要依赖于核函数,采用不同的核函数进行建模对模型的预测效果有重大影响.本文重点研究核函数的选择对基于SVM建模方法的影响,从中选取了表现较优的小波核函数,构建性能突出的SVM进行用户建模.实验证明该建模方法可以有效地从小样本数据中学习用户偏好信息,建立反映用户真实偏好的用户模型.
用戶建模是從用戶偏好數據中建立用戶偏好模型的過程,用戶偏好數據具有繫統運行初期的稀疏性和非線形的特點.支持嚮量機(Support Vector Machine,簡稱SVM)具有小樣本學習、非線形處理的能力,是閤適的用戶建模工具.SVM的非線形處理能力主要依賴于覈函數,採用不同的覈函數進行建模對模型的預測效果有重大影響.本文重點研究覈函數的選擇對基于SVM建模方法的影響,從中選取瞭錶現較優的小波覈函數,構建性能突齣的SVM進行用戶建模.實驗證明該建模方法可以有效地從小樣本數據中學習用戶偏好信息,建立反映用戶真實偏好的用戶模型.
용호건모시종용호편호수거중건립용호편호모형적과정,용호편호수거구유계통운행초기적희소성화비선형적특점.지지향량궤(Support Vector Machine,간칭SVM)구유소양본학습、비선형처리적능력,시합괄적용호건모공구.SVM적비선형처리능력주요의뢰우핵함수,채용불동적핵함수진행건모대모형적예측효과유중대영향.본문중점연구핵함수적선택대기우SVM건모방법적영향,종중선취료표현교우적소파핵함수,구건성능돌출적SVM진행용호건모.실험증명해건모방법가이유효지종소양본수거중학습용호편호신식,건립반영용호진실편호적용호모형.
