-
-
基于影响因素分析和数据重构的备件需求预测
... 四个方面提出备件需求的七个影响因素，并通过灰色关联分析进行因素筛选。最后，利用SVR预测模型完成备件需求预测，并通过实例企业的数据验证证明了整套方法的可行性与有效性。
-
论文研究-基于性能计数事件的计算机功耗估算模型.pdf
... 功耗估算模型。通过分析统计系统运行时代表性的性能计数事件，应用机器学习理论分析性能事件与功耗的关系，建立多核计算机系统实时功耗估算模型。模型构建时使用多元线性回归（multiple linear regression，MLR）方法以及支持向量回归（support vector regression，SVR）方法分析两者关系，并对两种方法建立的功耗估算模型进行了对比分析。实验结果表明，基于性能事件的功耗估算模型可准确估计计算机实时功耗，估算误差不高于3%。与已有模型相比较，该估算模型精度更高、通用性更好 ...
-
论文研究-基于支持向量回归机的区域物流需求预测模型及其应用.pdf
为了提高区域物流需求预测的能力，从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,应用基于结构风险最小化准则的支持向量回归机（SVR）方法, 建立“影响因素—区域物流需求” SVR预测模型来研究预测区域物流需求问题。在选择适当的参数和核函数的基础上，对上海市物流需求量进行预测，发现该方法能获得较小的训练相对误差和测试相对误差。
-
-
论文研究-相关向量机超参数优化的小时间尺度网络流量非线性预测方法.pdf
针对小时间尺度网络流量预测中的复杂性、非线性和高度自相似性等问题，提出使用一种改进模拟退火法优化的相关向量机（PSA-RVM）来解决网络流量预测问题。对网络流量时间序列进行相空间重构形成训练样本集，通过改进模拟退火法优化相关向量机的超参数，并构建网络流量预测模型。此外，通过实例进一步分析超参数对于相关向量机预测性能的影响。实例表明，PSA-RVM预测模型的预测精度、稳定性都优于RVM模型和PSO-SVR模型。
-
论文研究-一种基于支持向量回归的互联网端到端延迟预测算法.pdf
... 转换为多元回归的预测问题, 提出了基于多元回归的端到端延迟预测框架; b采用支持向量回归SVR方法来求解端到端延迟的多元回归问题, 提出了基于SVR的互联网端到端延迟预测算法。最后使用互联网采集的RTT数据来验证提出的算法, 实验结果表明, 提出 ...
-
论文研究-支持向量回归机在铁路客运量时间序列预测中的应用.pdf
针对目前铁路客运量预测方法的不足，采用ε支持向量回归机(εSVR)对铁路客运量时间序列进行预测。分析εSVR原理, 对1980—1998年的铁路客运量进行归一化处理，建立铁路客运量时间序列SVR预测模型, 并进行仿真试验。对比分析εSVR与标准的BP人工神经网络预测结果, 证明εSVR预测结果更准确、 精度更高。
-
论文研究-基于深度学习的短时交通流预测.pdf
针对现有预测方法未能充分揭示交通流内部的本质规律，提出了一种基于深度学习的短时交通流预测方法。该方法结合深度信念网路模型（DBN）与支持向量回归分类器（SVR）作为预测模型，利用差分去除交通流数据的趋势向，用深度信念网络模型进行交通流特征学习，在网络顶层连接支持向量回归模型进行流量预测。实际交通流数据测试结果表明，提出的预测模型与传统预测模型相比具有更高的预测精度，预测性能提高了18.01%，是一种有效的交通流预测方法。
-
论文研究-基于RS-SVR的企业信用评分模型.pdf
针对运用信用评分模型提升银行决策能力进行了研究。将支持向量回归模型应用于企业信用评分问题，并提出基于随机子集的支持向量回归集成模型。首先使用随机子集抽样模型获得大量训练数据集，然后使用不同的训练集子集获得差异化支持向量回归模型，最后使用简单平均方法整合不同模型的预测结果。基于企业信用评分数据的实验结果证明了支持向量回归模型的有效性。
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
