支持向量机算法

支持向量机算法Tag内容描述：<p>1、第44卷第2期 2013年3月 锅炉技术 B O ILERTEC H N O LO G Y V 0144。NO 2 M ar20l3 【设计科研试验】 基于支持向量机增量算法的锅炉燃烧效率建模研究 叶向前1，谭磊2，方彦军2 ( 1广东电网公司，广东广州510600； 2武汉大学动力与机械学院，湖北武汉430072) 摘要：针对锅炉燃烧效率建模问题，选取燃料量和总风量等参数描述负荷对锅炉热效率的影响，建立基于 支持向量机( SVM ) 的锅炉两级燃烧模型。根据历史工况对飞灰含碳量及锅炉燃烧效率进行预测，提出利用改 进型增量学习算法对训练样本进行优化，保证预测结果精度的前提下同时缩短了。</p><p>2、支持向量机 简介,统计决策方法,支持向量机是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习的问题的新工具，它由Vapnik等根据提出的一种新的机器学习方法，它以结构风险最小为原则，它本质上是求解凸二次规划问题，在解决小样本、非线性和高维模式识别问题中有较大优势。,基本原理,问题转化为寻找映射f(x,w)：,它是评价预测准确度的一种度量，不同的学习问题有不同形式的损失函数。例,给定样本,其中,损失函数。,基本原理,定义经验风险Remp(w):,如果采用损失函数(1)，则min(Remp(w)表示错判率达最小；,如果采用损失函数(2)，则mi。</p><p>3、支持向量机简介 统计决策方法 支持向量机是数据挖掘中的一项新技术 是借助于最优化方法解决机器学习的问题的新工具 它由Vapnik等根据提出的一种新的机器学习方法 它以结构风险最小为原则 它本质上是求解凸二次规划问题 在解决小样本 非线性和高维模式识别问题中有较大优势 基本原理 问题转化为寻找映射f x w 它是评价预测准确度的一种度量 不同的学习问题有不同形式的损失函数 例 给定样本 其中 损失。</p>