机动车综合排气性能的支持向量分类和预报方法

摘要：

支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法.由于它根据严格的数学理论,同时考虑了拟合精度和对过拟合的抑制,故能基于小样本集作较可靠的计算机预报.本工作用这一算法研究了11类排量为125cc的四冲程摩托车的综合排气性能的分类和预报方法,并用留一法比较了SVM算法与Fisher法和KNN法的预报准确率.结果表明:SVM算法所建立的数学模型的预报正确率比Fisher法和KNN法高,因此,SVM算法可望应用于环保领域.

关键词：支持向量机、过拟合、机动车、预报

所属期刊栏目：19

分类号：O06-04

资助基金：国家自然科学基金委员会和美国福特公司联合资助项目9716214

在线出版日期：2004-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：737-740