10.3969/j.issn.1000-3428.2015.06.008
基于智能最小二乘支持向量机的大数据分析与预测
大数据分析方法能发现数据中存在的关系和规则,预测事物未来的发展趋势,从而提高决策的科学性。针对传统预测方法精度低、泛化性差的问题,提出基于智能支持向量机的大数据分析与预测方法。设计一种新的支持向量机模型参数选择准则,即模型残差概率密度函数逼近给定的高斯分布,并按照该准则采用混沌收缩粒子群优化算法确定模型参数,从而提高数据分类或回归处理的精度与泛化性。采用选矿生产过程现场数据进行实验,结果验证了该方法的有效性,并表明其精度比LSSVM方法更高。
大数据、支持向量机、智能、概率密度函数、粒子群优化算法
TP391.9(计算技术、计算机技术)
安徽高校省级自然科学研究基金资助重大项目KJ2014ZD31;安徽省教育厅自然科学研究基金资助一般项目KJ2013 Z320;宿州学院科研平台基金资助项目2013YKF18。
2015-07-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
38-42