多輸出支持向量機(jī)及其應(yīng)用研究.pdf

1、支持向量機(jī)是建立于統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的一種新的通用學(xué)習(xí)方法,近年來(lái)得到了迅猛發(fā)展和廣泛應(yīng)用。傳統(tǒng)的支持向量機(jī)回歸算法(Support Vector Regression:SVR)只適用于單輸出系統(tǒng),在處理復(fù)雜多輸出系統(tǒng)時(shí)常采用構(gòu)造一系列單變量SVR的方法,不僅訓(xùn)練速度慢而且精度較差,所以如何構(gòu)建既具有快的訓(xùn)練速度又能保證精度的多輸出SVR算法并將其應(yīng)用到實(shí)際系統(tǒng)的建模與控制中,具有十分重要的理論研究和應(yīng)用價(jià)值。
　　 為提高多輸

2、出SVR算法的訓(xùn)練速度,本文首先從解的稀疏性出發(fā),構(gòu)造了多變量稀疏SVR算法。接著提出一種基于啟發(fā)式訓(xùn)練算法的多輸出SVR算法,通過(guò)引入相似度的概念,去除相似度值大于給定相似度閾值的訓(xùn)練樣本點(diǎn),以達(dá)到縮減訓(xùn)練樣本的目的,從而提高訓(xùn)練速度。針對(duì)數(shù)學(xué)函數(shù)模型的仿真實(shí)例表明,兩種不同的多變量SVR方法不僅能夠保證模型精度,而且相比于常規(guī)多輸出SVR算法訓(xùn)練速度大大提高。
　　 最后,將上述方法應(yīng)用到實(shí)際過(guò)程:甲基丙烯酸甲酯的間歇聚合反