计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
3期
42-44
,共3页
支持向量回归(SVR)%Adaboost算法%集成算法
支持嚮量迴歸(SVR)%Adaboost算法%集成算法
지지향량회귀(SVR)%Adaboost산법%집성산법
提出了一种基于改进Adaboost的ε不敏感支持向量回归集成算法.该算法使用多个支持向量机按照某种学习规则协调各支持向量机的输出,从而提高其泛化性能.将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该集成算法的可行性和有效性.
提齣瞭一種基于改進Adaboost的ε不敏感支持嚮量迴歸集成算法.該算法使用多箇支持嚮量機按照某種學習規則協調各支持嚮量機的輸齣,從而提高其汎化性能.將該方法應用于雙酚A生產過程的質量指標軟測量建模,倣真結果錶明瞭該集成算法的可行性和有效性.
제출료일충기우개진Adaboost적ε불민감지지향량회귀집성산법.해산법사용다개지지향량궤안조모충학습규칙협조각지지향량궤적수출,종이제고기범화성능.장해방법응용우쌍분A생산과정적질량지표연측량건모,방진결과표명료해집성산법적가행성화유효성.