期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统
被引量：
2
1
作者
罗泽举
朱思铭
《计算机科学》
CSCD
北大核心
2005年第8期138-141,154,共5页
对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失...
对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失函数小样本模型预测系统。预测显示误差小于5.3％的值占了总体的98.1％,其预测署信度达到0.983,与二次和Huber损失函数相比其MAPE值只有2.3％。用计算机模拟仿真单批次预测显,当时间参量t→+∞,“千车故障数”将收敛于定值74.0601,这和实际相当吻合,表明所建预测模型的有效性。文章最后还和传统神经网络模型作了比较,说明新型SVM机比神经网络处理小样本能力更强。
展开更多
关键词
诱导回归算法
售后服务
预测系统
回归
算法
损失函数
数据模型
支持向量
诱导
敏感
时间序列分析
下载PDF
职称材料
题名
新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统
被引量：
2
1
作者
罗泽举
朱思铭
机构
中山大学数学与计算机科学学院
出处
《计算机科学》
CSCD
北大核心
2005年第8期138-141,154,共5页
基金
国家自然科学基金(No.10371135)
文摘
对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失函数小样本模型预测系统。预测显示误差小于5.3％的值占了总体的98.1％,其预测署信度达到0.983,与二次和Huber损失函数相比其MAPE值只有2.3％。用计算机模拟仿真单批次预测显,当时间参量t→+∞,“千车故障数”将收敛于定值74.0601,这和实际相当吻合,表明所建预测模型的有效性。文章最后还和传统神经网络模型作了比较,说明新型SVM机比神经网络处理小样本能力更强。
关键词
诱导回归算法
售后服务
预测系统
回归
算法
损失函数
数据模型
支持向量
诱导
敏感
时间序列分析
Keywords
Inductive regression algorithm, After-sales service, Forecast system
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
S165.27 [农业科学—农业气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统
罗泽举
朱思铭
《计算机科学》
CSCD
北大核心
2005
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
