支持向量回歸預測法（support vector regression forecasting ）是2016年公布的管理科學技術名詞。
基本介紹
- 中文名：支持向量回歸預測法
- 外文名：support vector regression forecasting
- 所屬學科：管理科學技術
- 公布時間：2016年
定義,出處,
定義
利用支持向量機回歸模型對未來進行預測的方法。
出處
《管理科學技術名詞》第一版。
支持向量回歸預測法
相關詞條
- 支持向量回歸預測法
支持向量回歸預測法（support vector regression forecasting ）是2016年公布的管理科學技術名詞。定義利用支持向量機回歸模型對未來進行預測的方法。出處《管理科學技術名詞》第一版。1...
- 基於支持向量機預測方法的不常用備件庫存模型研究
《基於支持向量機預測方法的不常用備件庫存模型研究》是依託華中科技大學，由鮑玉昆擔任項目負責人的青年科學基金項目。 中文摘要 不常用備件庫存模型是庫存理論研究的一個重要領域。該類備件常為設備的核心部件，重要性高，其特徵為使用頻次...
- 回歸預測
近年來支持向量機的回歸預測在很多的方面得到套用，並且有很多的預測方法值得去探討。套用方面，例如：疾病預測，天氣預測，市場預測，股價預測，實時業務預報等等都有廣泛的套用。這些讓我們看到它的前景的可觀。但基於支持向量機的回歸預測...
- 基於支持向量機模型的圖像分類預測方法及裝置
《基於支持向量機模型的圖像分類預測方法及裝置》是廣東好太太智慧型家居有限公司於2021年3月19日申請的專利，該專利公布號為CN112926674A，專利公布日為2021年6月8日，發明人是王妙玉、黃宇航、吳寧泉。 專利摘要 本發明公開了一種基於...
- 支持向量機建模預測與控制
由於現有非線性建模與智慧型控制方法存在諸如模型結構的選取過分依賴經驗、局部極小點等問題，因而，本書採用支持向量機和支持向量機回歸進行建模預測與控制的研究。但基於二次規劃的支持向量機和支持向量機回歸不適合線上建模與實時控制，因此...
- 支持向量機
SVR可以通過核方法得到非線性的回歸結果。此外LS-SVM可以按與SVR相似的方法求解回歸問題。支持向量聚類（support vector clustering）支持向量聚類是一類非參數的聚類算法，是SVM在聚類問題中的推廣。具體地，支持向量聚類首先使用核函式，通常...
- 水文時間序列的混沌特性及預測方法
據此對徑流、降水和蒸發序列通過多種方法確定水文系統的相空間參數，從定性和定量兩個角度研究水文時間序列的混沌特性，提出了水文混沌時間序列一階加權局域多步預測模型、水文混沌時序Volterra 自適應模型，建立了水文混沌時序支持向量機回歸...
- 支持向量機的算法設計與分析
5.2 雙邊加權模糊支持向量機 5.3 基於加權間隔的模糊支持向量機 5.4 模糊支持向量機中的隸屬度設定 5.5 加權穩健支持向量回歸方法 5.6 基於ε—不敏感學習的模糊系統 5.7 基於模糊if—then規則的ε—間隔非線性分類器 5.8 ...
- 金融工程的支持向量機方法
《金融工程的支持向量機方法》是2007年上海財經大學出版的圖書，作者是曹小娟、王小明。內容簡介 該書由兩部分組成。第一部分集中討論用支持向量機解決時間序列的預測問題。時間序列的預測是回歸研究中最常見的問題之一。第二部分研究用支持...
- 預測與評價
5.5.2 基於隨機梯度Boosting方法的經濟指標預測研究 5.6 隨機森林方法 5.6.1 隨機森林方法簡介 5.6.2 基於隨機森林法的天津西站客流量預測研究 5.7 支持向量機回歸方法 5.7.1 結構風險小化原理 5...
- 支持向量機魯棒性模型與算法研究
支持向量機是基於統計學習理論，以結構風險小化為原則的一種針對小樣本情況的新型機器學習方法，具有結構簡單、全局優解和泛化能力強等優點。支持向量機目前已成為機器學習領域解決分類問題和回歸問題的有效工具。然而，在現實問題中，由於受...
- 交通流參數及交通事件動態預測方法
4 交通流動態預測小波法 4.1 研究現狀 4.2 小波分析法 4.2.1 連續小波變換 4.2.2 離散小波變換 4.2.3 多分辨分析與Mallat算法 4.3 基於小波分解和支持向量回歸的短時交通流預測 4.3.1 支持向量機 4.3.2 支持向量回歸 ...
- 黃河寧蒙河段冰凌成因及預報方法研究
7.4.4 多元線性回歸分析方法 7.4.5 逐步回歸分析方法 7.4.6 非線性回歸分析方法 7.4.7 回歸係數的確定和檢驗方法 7.4.8 多元線性回歸冰凌預報模型套用 第8章 基於粒子群算法最佳化的支持向量回歸凌情預報模型 8.1 支持...
- 支持向量機建模及其智慧型最佳化
1.2模型預測方法 1.3統計學習理論基礎 1.3.1VC維 1.3.2經驗風險最小化原則 1.3.3結構風險最小化原則 1.4支持向量機的提出 1.5支持向量機理論 1.5.1分類支持向量機 1.5.2回歸支持向量機 1.6支持向量機算法研究 1.6....
- 基於支持向量機的煤礦安全建模研究及套用
第2章 支持向量機理論 （11）2.1 最優分類超平面 （11）2.2 支持向量分類機 （12）2.2.1 線性分類 （12）2.2.2 近似線性分類 （13）2.2.3 非線性分類 （15）2.2.4 多類分類問題 （16）2.3 支持向量回歸機 （17）...
- 支持向量機及其個人信用評估
4.5.2 組合預測研究現狀 4.5.3 線性組合預測 4.5.4 支持向量機非線性組合預測模型 4.5.5 算例分析和討論 4.5.6 本節小結 4.6 基於支持向量機的船型主尺度要素數學模型 4.6.1 概述 4.6.2 支持向量機回歸模型 4.6.3...
- 雙參數間隔/不敏感支持向量機及其拓展
支持向量機是在統計學習理論基礎上發展起來的一種新的機器學習方法，主要包括分類和回歸兩方面。自上世紀90年代由Vapnik等人提出以來，它一直處於飛速發展階段。由於支持向量機能在一定程度上克服了維數災和過學習等問題，它已經成為機器學習...
- R語言數據挖掘方法及套用
7.4 複雜條件下的分類：線性不可分時支持向量分類 7.4.1 線性不可分的一般解決途徑和維災難問題 7.4.2 支持向量分類克服維災難的途徑 7.5 多分類的支持向量分類：二分類的拓展 7.6 支持向量回歸：解決數值預測問題 7.6.1 ...
- Python預測之美:數據分析與算法實戰
7.2.2 從線性回歸說起 . 269 7.2.3 淺層神經網路 . 272 7.2.4 深層次擬合問題 . 277 7.2.5 DNN 的Python 實現 278 7.3 支持向量機回歸 . 281 7.3.1 基本問題 . 281 7.3.2 LS-SVMR 算法 . 284 7.3.3 ...
- 高斯過程回歸
這裡簡單介紹核矩陣求逆的簡化方法以應對上述問題，一般地，這些方法除GPR外也適用於其它核學習（kernel learning）方法，例如核嶺回歸、支持向量機（Support Vector Machine, SVM）等。1. 選取數據子集（subset of datapoints, SD）由於...
- 支持向量機建模及套用
7.3.2面向回歸的支持向量機增量學習模型 第8章支持向量機的套用 8.1支持向量機在空氣品質預測中的套用 8.1.1基於神經網路的預測模型 8.1.2實驗結果 8.2支持向量機在中文垃圾郵件過濾中的套用 8.2.1垃圾郵件過濾模型設計 8.2....
- 複雜系統支持向量機建模與故障預報
提出了基於ε不敏感損失函式的多輸出支持向量回歸機模型和多輸出最小二乘支持向量機模型，並將其用於預測多輸入多輸出系統的故障；為衡量系統的異常程度，提出了基於支持向量機機率密度估計模型的系統異常程度衡量方法；在此基礎上闡述了...
- 基於消費者搜尋的旅遊需求預測研究
第四節 基於偽樣本外預測的模型檢驗 第五節 本章小結 第五章 基於網路搜尋數據的國內遊客流量預測 第一節 引言 第二節 支持向量回歸算法原理 第三節 支持向量回歸超參數的最佳化方法 第四節 BA-SVR＆CS混合模型預測程式 第五節 實證...
- 預測理論與方法及其MATLAB實現
第10章 支持向量機預測法 264 10.1 支持向量機理論基礎 264 10.1.1 VC維 264 10.1.2 期望風險 264 10.1.3 結構風險小化 265 10.2 支持向量機 266 10.2.1 線性可分情況 266 10.2.2 線性不可分情況 267 10.3 支持...
- 基於大數據的經濟形勢監測預測理論與方法
10.3 監測失業率的模型與方法 201 10.3.1 監測預測模型 203 10.3.2 人工神經網路 207 10.3.3 支持向量回歸 211 10.3.4 網路搜尋數據分位回歸的失業率監測 213 10.4 案例分析 214 10.4.1 人口老齡化與就業結構...
