SVR参数对非线性函数拟合的影响  

Influence of SVR Parameter on Non-linear Function Approximation

作　　者：成鹏[1] 汪西莉[1] 

机构地区：[1]陕西师范大学计算机科学学院,西安710062

出　　处：《计算机工程》2011年第3期189-191,194,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(40671133)

摘　　要：对基于径向基函数(RBF)的支持向量回归(SVR)模型参数的理论研究与实验论证结果表明,惩罚系数、不敏感损失函数的宽度以及核函数参数对非线性函数拟合精度均有影响,给出SVR参数的经验范围以减小人工选择SVR参数的盲目性,并通过缩小参数优化算法的搜索区间,降低算法的整体时间复杂度和空间复杂度。The theoretical study and experimental demonstration of Support Vector Regression（SVR） based on Radial Basis Function（RBF） shows that the selection of penalty coefficient, the width of insensitive loss function and kernel function parameter can affect the accuracy of non-linear function approximation. It provides an experience range of SVR parameters to select parameters in non-linear approximation, which reduces the blindness of artificial selection parameters and narrows the search range of parameters optimization algorithm to reduce algorithm whole time complexity and space complexity.

关 键 词：支持向量回归 径向基函数 模型参数 非线性拟合 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP301[自动化与计算机技术—控制科学与工程]