本文選題：支持向量機 + 規(guī)則提取�。� 參考：《計算機工程與應用》2017年06期

【摘要】：支持向量機(SVM)因為核函數(shù)應用內積運算造成了模型較強的"黑箱性"。目前SVM的"黑箱性"研究主要采用規(guī)則提取方法解決分類問題,而回歸問題鮮有提及。針對回歸問題,嘗試性提出基于回歸樹算法的SVM回歸規(guī)則提取方法,算法充分利用支持向量的特殊性以及回歸樹的優(yōu)勢,建立支持向量的決策樹模型,成功提取出決策能力高,包含變量少,計算量小且容易讀取的規(guī)則。通過標準數(shù)據(jù)集Auto MPG和實際的煤制甲醇生產數(shù)據(jù)集進行了驗證,與其他算法對比分析結果表明,所提取的回歸規(guī)則在訓練精度和預測精度等方面都有一定程度的提高。
[Abstract]:Support Vector Machine (SVM) because kernel functions use inner product operations, the model has a strong "black box". At present, the "black box" research of SVM mainly uses the rule extraction method to solve the classification problem, but the regression problem is seldom mentioned. Aiming at the regression problem, a method of SVM regression rule extraction based on regression tree algorithm is proposed. The algorithm makes full use of the particularity of support vector and the advantage of regression tree, establishes decision tree model of support vector, and successfully extracts the decision ability of support vector. Rules that contain fewer variables, less computation, and are easy to read. It is verified by standard data set Auto MPG and actual data set of methanol production from coal. The results of comparison with other algorithms show that the extracted regression rules can improve the training accuracy and prediction accuracy to a certain extent.
【作者單位】： 內蒙古科技大學機械工程學院;
【基金】：國家自然科學基金(No.21366017) 內蒙古科技大學大學生科技創(chuàng)新基金資助項目(No.2014060)
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 吳娟;范玉妹;王麗;;關于改進的支持向量機的研究[J];攀枝花學院學報;2006年05期

2 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機算法[J];計算機應用;2008年S2期

3 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機的研究進展[J];計算機工程與應用;2012年12期

4 王云英;閻滿富;;C-支持向量機及其改進[J];唐山師范學院學報;2012年05期

5 李逢煥;;試述不確定支持向量機應用分析及改進思路[J];中國證券期貨;2012年12期

6 邵惠鶴;支持向量機理論及其應用[J];自動化博覽;2003年S1期

7 曾嶸,蔣新華,劉建成;基于支持向量機的異常值檢測的兩種方法[J];信息技術;2004年05期

8 張凡,賀蘇寧;模糊判決支持向量機在自動語種辨識中的研究[J];計算機工程與應用;2004年21期

9 魏玲,張文修;基于支持向量機集成的分類[J];計算機工程;2004年13期

10 沈翠華,鄧乃揚,肖瑞彥;基于支持向量機的個人信用評估[J];計算機工程與應用;2004年23期

相關會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風險評估模型[A];第六屆（2011）中國管理學年會——商務智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學會2005年信息技術與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學習方法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應用[A];中國力學大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預測膜蛋白類型[A];第十一次中國生物物理學術大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學與技術應用學術會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學術年會論文集[C];2006年

10 侯澍e，

本文編號：1858214