展会信息港展会大全

径向基神经网络和支持向量机的参数优化方法研究及应用Parameter
来源:互联网   发布日期:2011-10-01 16:26:19   浏览:5381次  

导读:径向基神经网络和支持向量机的参数优化方法研究及应用Parameter Optimization Research and Application of RBF Neural Network and SVM-免费论文...

ID   243041033320241[公开] 论文名称   径向基神经网络和支持向量机的参数优化方法研究及应用/ParameterOptimizationResearchandApplicationofRBFNeuralNetworkandSVM 作者   学位   硕士 答辩日期   培养单位   中南大学.033信息科学与工程学院.计算机应用技术. 研究方向   计算机应用技术 中文关键词   英文关键词   指导老师   .中南大学信息科学与工程学院 . . 论文总页码   共65页 馆藏号   中文摘要     本文主要研究基于主成分分析(PrincipalComponentAnalysis,PCA)的径向基(RadialbasisFunction,RBF)神经网络和支持向量机(SupportVectorMachine,SVM)的参数优化方法及其在建筑工程投资估算中的应用。 RBF神经网络是一种基于正则化理论的三层前馈网络,它有很好的泛化能力并且不会陷入局部极小,已证明它能以任意精度逼近任一连续函数。RBF神经网络的关键在于径向基函数中心和宽度的选取。 支持向量机是基于统计学习理论的一种新的模式识别技术,它通过Mercer核函数将原始空间中的非线性问题转化为另一个高维空间中的线性问题,在这个变换的高维空间求最优或广义最优分类面。参数选择是影响支持向量机实用性能的重要因素。 针对RBF神经网络和支持向量机中径向基函数宽度(参数)难以合理确定的难题,本文在分析了以上两种网络中径向基函数宽度确定方法的基础上提出了一种在样本各分量相互独立条件下的参数优化方法,该方法是将样本各分量的方差这一先验信息引入到径向基函数宽度的确定方法中以达到参数优化

赞助本站

AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港