导读:本文包含了回归支持向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:支持向量机,帖子关键词,帖子热度,影响因子
回归支持向量机论文文献综述
李泗兰,郭雅[1]（2019）在《一种基于支持向量机的论坛帖子热度回归预测算法》一文中研究指出对论坛帖子的热度进行预测成为了当前舆情监控的一项重点研究方向,本文提出一种新的论坛帖子热度回归预测算法。在进行数据处理时,首先将帖子的影响要素进行了量化处理,研究舆情热度发展的预测。本文在进行研究时,首先做的是对论坛帖子的热度的分布特征进行研究;然后量化处理影响帖子热度的影响因子,利用以回归为基础的向量机来生成舆论的发展走向;最后,对本文的预测方法进行测试,测试结果表明本文提出的帖子热度预测算法具有良好的准确性。(本文来源于《科技通报》期刊2019年09期）
苏筱倩,安俊琳,张玉欣[2]（2019）在《基于支持向量机回归和小波变换的O_3预报方法》一文中研究指出使用南京工业区2016年6月1日～8月15日的臭氧(O_3)、O_3前体物及常规气象数据,结合多元线性回归(MLR)方法和小波变换(WT)改进支持向量机回归(SVR)对O_3小时浓度的预报精度.结果表明,通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度,M-WT-SVR预报的决定系数(R~2)达到0.90,平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为3.86×10~(-9)、28.26%和5.57×10~(-9),优于M-SVR和SVR.低层细节序列主要与NO、NO_2和芳香烃有关,而更高层的近似序列受到气象条件、前体物和O_3前期浓度共同影响.与经典的MLR方法相比,M-WT-SVR对O_3小时浓度的预报有明显优势.(本文来源于《中国环境科学》期刊2019年09期）
李松青,刘立龙,容静,周威,刘林波[3]（2019）在《基于支持向量机回归的大气加权平均温度》一文中研究指出提出一种基于支持向量机回归方法建立的以当地气象数据为输入参数、数值积分法计算的T_m为输出参数进行训练得到的大气加权平均温度模型。选取广西地区4个探空站提供的2013—2014年的气象数据和T_m数据为训练样本,2015年的两类数据为测试样本,取得最优的模型参数,并以此建立最优的T_m模型,然后计算2015年的T_m,将其结果与采用线性回归法建立的广西地区的单因素、多因素T_m模型的计算结果进行对比分析。结果表明,在选取最优模型参数的条件下,SVR建立的T_m模型比本地化的单因素和多因素T_m模型的精度更高,验证了支持向量机回归在T_m建模方面的可行性。(本文来源于《桂林理工大学学报》期刊2019年03期）
李飞,蒋敏兰[4]（2019）在《基于支持向量机回归的蛋鸡产蛋率预测模型》一文中研究指出蛋鸡产蛋率受生物、化学、物理以及人为等多方面因素影响,准确地预测蛋鸡产蛋率的变化趋势,建立蛋鸡的产蛋率预测模型对蛋鸡养殖具有重要的意义。将蛋鸡采食量、蛋鸡鸡龄、体质量、温度、光照时间以及是否服用营养素等6类影响因子进行处理,作为支持向量机(SVM)的输入数据,对蛋鸡的产蛋率进行预测,得到了一个稳定性好、适用范围广、预测结果准确的蛋鸡产蛋率模型,且预测结果符合蛋鸡的实际产蛋情况;同时为评估和分析SVM蛋鸡产蛋率预测模型的性能,以同样样本建立BP神经网络的预测模型,并用网络训练、测试用时、均方误差MSE以及相关系数r作为预测模型性能的评价指标。结果表明,基于支持向量机的蛋鸡产蛋率预测模型精度和耗时均优于神经网络预测模型。(本文来源于《江苏农业科学》期刊2019年13期）
朱星星,赵亮,雷默涵,王帅,凌正[5]（2019）在《精密进给系统热误差的协同训练支持向量机回归建模与补偿方法》一文中研究指出针对精密进给系统热误差的数据稀缺且获取成本高的问题,提出了一种基于协同训练支持向量机回归算法(COSVR)的精密进给系统热误差建模与补偿方法。通过整合标记数据(温度和热误差)及未标记温度数据建立热误差模型,利用基于西门子840D数控系统开发的补偿方法进行补偿。以精密镗床双驱动滚珠丝杠进给系统X轴为研究对象,进行热特性实验,获取24 m/min进给速度下的标记数据和12 m/min进给速度下的未标记温度数据,利用COSVR整合所有数据建立热误差模型,并通过遗传算法优化的支持向量机回归算法(GA-SVR)仅选用标记数据建立对照模型,获取18 m/min进给速度下的标记数据用于模型性能测试。结果表明:与GA-SVR模型相比,COSVR模型的均方根误差减少了34.14%,且在100 min和520 min时的误差范围分别减小了62.62%和55.85%。COSVR模型具有更好的预测性能且能更有效地降低热误差,进一步提高了精密进给系统热误差的建模精度。(本文来源于《西安交通大学学报》期刊2019年10期）
邓晶,张倩[6]（2019）在《聚类分析和支持向量机回归的交通流预测》一文中研究指出本文以交通流数据为研究对象,主要对数据挖掘技术在交通流预测方面的应用进行了研究和探讨。并基于研究内容,提出了基于聚类分析和支持向量机回归的交通流预测模型。并针对支持向量机参数选择,提出了人工鱼群算法使其快速寻找到最优参数组合。最后,通过实验数据论证本文所提出的算法和模型。(本文来源于《电脑知识与技术》期刊2019年15期）
李欢[7]（2019）在《基于非平行支持向量机的顺序回归算法》一文中研究指出顺序回归机(简称OR)解决的是带有顺序的多类分类问题,它在众多领域有着广泛的应用,如信用等级、人脸识别、医疗研究和社会科学等.支持向量机(简称SVM)作为处理分类问题的一种有效算法,它在解决二分类问题上已经取得了显着的分类效果.因此如何将二分类算法扩展到顺序回归问题中,具有重要的研究意义.本文主要内容大致分为如下叁个部分:第一部分是将v-非平行支持向量机(简称v-NPSVM)推广得到新的顺序回归机称为v-非平行支持向量顺序回归机(简称v-NPSVOR).相较于非平行支持向量顺序回归机(简称NPSVOR),该算法将其中的参数∈变为变量∈k,k∈{1,...,q},减少了选取参数的困难.第二部分是将稀疏线性非平行支持向量机(简称L1-NPSVM)推广得到新的顺序回归机称为L1-非平行支持向量顺序回归机(简称L1-NPSVOR).该算法是将NPSVOR中的目标函数添加了1/2bk2,不仅使得决策变量bk的解唯一而且对偶问题减少了等式约束;第叁部分是将改进的孪生支持向量机(简称ITSVM)推广得到新的顺序回归机称为稳定非平行支持向量顺序回归机(简称SNPSVOR).该算法是将L1-NPSVOR中的第一个不等式约束改为等式约束,在一定程度上减少了数据集带有异常点所造成的影响.数值实验结果表明了以上叁种算法的有效性.(本文来源于《重庆师范大学》期刊2019-05-01）
夏晗[8]（2019）在《基于支持向量机回归集成的小微企业信用风险度评估模型研究》一文中研究指出小微企业信用风险评估体系的不完善导致小微企业融资难和贷款违约率高等问题。设计包括企业特质、企业财务指标、企业主特质和贷款方式在内的小微企业信用风险评价指标体系,利用具有小样本学习优势的模糊积分支持向量机回归集成方法,构建小微企业信用风险度评估模型,并将此模型与支持向量机、神经网络等模型对比。实证结果表明该模型具有较高的精度和效率,证实了模型的可行性和优越性,为小微企业信用风险评估系统的构建提供了依据。(本文来源于《征信》期刊2019年04期）
雷义洋,申玉姝,王亚辉,赵虎[9]（2019）在《基于主成分分析和支持向量机实现膝关节骨龄评估回归算法》一文中研究指出目的通过方向梯度直方图(histogram of oriented gradient,HOG)、局部二值模式(local binary patterns,LBP)、支持向量机(support vector machine,SVM)以及主成分分析(principal component analysis,PCA)等机器学习方法构建适用于我国维吾尔族青少年骨龄评估的回归算法模型。方法采集维吾尔族12.0～<19.0岁青少年的膝关节DR摄片图像,其中男性样本275例、女性样本225例,采用PCA法对提取的HOG与LBP特征图像进行降维,再以支持向量回归(support vector regression,SVR)算法构建膝关节骨龄评估算法模型。采用随机分层抽样法分别选取男性样本215例、女性样本180例作为SVR模型训练集,并用K折交叉验证法优化模型参数。剩余样本作为独立测试集,将模型预报年龄与样本真实年龄相比,统计误差范围分别在±0.8岁、±1.0岁的准确率,同时计算平均绝对误差(mean absolute error,MAE)与均方根误差(root mean square error,RMSE)。结果男性年龄误差范围在±0.8岁及±1.0岁的准确率分别为80.67%和89.33%,MAE为0.486岁,RMSE为0.606岁;女性年龄误差范围在±0.8岁及±1.0岁的准确率分别为80.19%和90.45%,MAE为0.485岁,RMSE为0.590岁。结论基于PCA与SVM对膝关节DR摄片图像HOG及LBP特征降维建立骨龄的预报模型,具有较高的准确性。(本文来源于《法医学杂志》期刊2019年02期）
敖秀奕,张旭刚,江志刚,张华[10]（2019）在《基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究》一文中研究指出文章针对再制造批量小、实验所需样本不足的问题,提出一种基于半监督学习与最小二乘支持向量机回归的再制造成本预测方法。废旧机电产品的可用零部件分为可直接利用、可再制造加工利用和直接替换叁种类型,以各类型零部件的比率和再制造复杂系数为输入,再制造成本为输出,建立半监督学习与最小二乘支持向量机回归相结合的再制造成本预测模型。利用k最近邻算法估计未进行再制造样本的成本,然后将未进行再制造的样本与已知再制造成本的样本代入方程组即可求出该预测模型。案例分析表明基于半监督学习与最小二乘支持向量机回归的成本预测方法能够在已知再制造成本的样本量较少的情况下对成本进行快速且准确的预测,是一种很好的成本预测方法。(本文来源于《组合机床与自动化加工技术》期刊2019年04期）
回归支持向量机论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
使用南京工业区2016年6月1日～8月15日的臭氧(O_3)、O_3前体物及常规气象数据,结合多元线性回归(MLR)方法和小波变换(WT)改进支持向量机回归(SVR)对O_3小时浓度的预报精度.结果表明,通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度,M-WT-SVR预报的决定系数(R~2)达到0.90,平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为3.86×10~(-9)、28.26%和5.57×10~(-9),优于M-SVR和SVR.低层细节序列主要与NO、NO_2和芳香烃有关,而更高层的近似序列受到气象条件、前体物和O_3前期浓度共同影响.与经典的MLR方法相比,M-WT-SVR对O_3小时浓度的预报有明显优势.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
回归支持向量机论文参考文献
[1].李泗兰,郭雅.一种基于支持向量机的论坛帖子热度回归预测算法[J].科技通报.2019
[2].苏筱倩,安俊琳,张玉欣.基于支持向量机回归和小波变换的O_3预报方法[J].中国环境科学.2019
[3].李松青,刘立龙,容静,周威,刘林波.基于支持向量机回归的大气加权平均温度[J].桂林理工大学学报.2019
[4].李飞,蒋敏兰.基于支持向量机回归的蛋鸡产蛋率预测模型[J].江苏农业科学.2019
[5].朱星星,赵亮,雷默涵,王帅,凌正.精密进给系统热误差的协同训练支持向量机回归建模与补偿方法[J].西安交通大学学报.2019
[6].邓晶,张倩.聚类分析和支持向量机回归的交通流预测[J].电脑知识与技术.2019
[7].李欢.基于非平行支持向量机的顺序回归算法[D].重庆师范大学.2019
[8].夏晗.基于支持向量机回归集成的小微企业信用风险度评估模型研究[J].征信.2019
[9].雷义洋,申玉姝,王亚辉,赵虎.基于主成分分析和支持向量机实现膝关节骨龄评估回归算法[J].法医学杂志.2019
[10].敖秀奕,张旭刚,江志刚,张华.基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究[J].组合机床与自动化加工技术.2019