毕业设计论文开题报告-基于MATLAB的SVR回归模型的设计与实现

毕业设计(论文)开题报告（全日制本科生）初定课题名称基于MATLAB的SVR回归模型的设计与实现课题类别论文 设计 课题来源 生产 科研 自拟 专业、班级通信工程二班学生黄华军学号20020820203指导教师钟清流二 六 年 三 月一、 本课题设计（研究）的目的：SVR算法是模式识别中应用比较广泛的算法模型之一,它是支持向量机在函数逼近和回归估计中的应用本课题设计目的是通过回归算法及图形结果实现向量回归模型的设计, 它基于matlab开发平台，运用统计学工具箱及matlab程序设计并建立模型在实际应用中，通过对回归函数的优化选取，可以使得在回归估计中具有较好的稳健性从而提高对各种预测模型的准确性二、设计（研究）现状和发展趋势：支持向量机是Vapnik等人根据统计学习理论提出的一种新的学习方法，近年来受到了国际学术界的重视.支持向量机理论的最大特点是根据Vapnik结构风险最小化原则，尽量提高学习机的泛化能力，即由有限的训练集样本得到的小的误差能够保证对独立的测试集仍保持小的误差.而通过支持向量机(SVM)理论,可以建立新的支持向量回归(SVR)预测模型，以解决各种实际问题在SVR回归分析中，使用支持向量机可以使回归函数尽量平滑，其泛化能力强.因此在许多SVR回归模型的应用中都用到了支持向量机算法如：支持向量回归方法应用于非线性系统辨识问题，时间序列的预测，机场旅客吞吐量的预测等在现实生活中，很多预测问题都应用了SVR回归模型在以后的社会发展中，SVR回归模型将更加深入我们的生活三、设计（研究）的重点与难点，拟采用的途径（研究手段）：重点：通过matlab开发平台研究并设计能够实现SVR回归的实验模型，能够用给定的数据实现非线性回归预测，并包含多种回归函数，以便对不同的数据集选用不同的回归函数提高回归的准确性，系统具有相应的图形界面,对话框和主界面难点：如何选择更好的回归算法使回归曲线更逼近给定数据，以达到减少误差的效果，使得在模型预测中更加准确采用手段：基于matlab开发平台，使用matlab程序编写回归函数并运用相应的工具箱实现SVR回归模型的设计 四、设计（研究）进度计划：14周：查找资料，熟悉matlab开发平台；510周：初步完成软件编程，实现各种功能；1113周：调试程序，并完善其功能；1415周：撰写论文初稿，准备答辩资料；16周：毕业答辩。五、参考文献：1飞思科技产品研发中心 MATLAB 6.5应用接口编程 电子工业出版社2朱明等 机器学习与数据挖掘:方法和应用 电子工业出版社3闪四清 陈茵 程雁 等 数据挖掘概念、模型、方法和算法 清华大学出版社4郑南宁 计算机视觉与模式识别 国防工业出版社5Sergios Theodoridis,Konstantinos Koutroumbas 模式识别英文版第2版 机械工业出版社6J.P.Marquess de Sa 模式识别原理、方法及应用 清华大学出版社7李人厚张平安等译 精通Matlab综合辅导与指南 西安交通大学 8 苏金明，王永利； MATLAB7.0实用指南；北京：电子工业出版社，2003.79 Margare H.Dunhan；数据挖掘教程；郭崇慧，田风占，靳晓明等译；北京：清华大学出版社；2005.510 史忠植；知识发现；北京；清华大学出版社；2002.111 李雄飞，李军；数据挖掘与知识发现；高等教育出版社；2003.1112 邓乃扬，田英杰著；数据挖掘中的新方法；北京；科学出版社；2004.6指 导 教 师 意 见方案基本可行，同意开题。签名： 钟清流 3 月 27 日 教研室（学术小组）意见 同意教研室