一种高效的支持向量机回归补偿算法  

作　　者：屠海彪 颜亦磊 刘凯锐 李文杰 房玉伟 侯玉亭 TU Haibiao;YAN Yilei;LIU Kairui;LI Wenjie;FANG Yuwei;HOU Yuting

机构地区：[1]浙江浙能台州第二发电有限责任公司,浙江台州317109 [2]浙江省能源集团有限公司,浙江杭州310000 [3]山东鲁软数字科技有限公司,山东济南250001

出　　处：《信息技术与信息化》2021年第11期36-42,共7页Information Technology and Informatization

摘　　要：支持向量机是一种监督式学习的方法,可广泛地应用于统计分类以及回归分析,自变量之间的关联关系决定其模型的准确性高低,因此正确分析处理自变量关联关系显得非常重要。基于此,提出了基于时空关联性和最大互信息系数的支持向量机回归补偿算法,对支持向量机(support vector machine,SVM)的模型计算结果进行补偿优化。首先,基于时空相关性算法计算运行的经验频谱分布(emprical spectral distribution,ESD),确定SVM回归结果是否存在噪声和冗余基因;其次,进行基于最大互信息系数的SVM回归补偿优化。通过两个风机设备数据集的数据仿真实验,结果表明,文中算法搜索到的SVM优化计算数值能大幅提高支持向量机的性能,且具有较好的稳定性,是一种有效的支持向量机回归补偿算法。

关 键 词：支持向量机 时空相关性 经验频谱分布 最大互信息系数 回归补偿 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]