设计工程研究所
原创
一种面向小数据集的结合先验知识与误差补偿的支持向量回归算法
A novel support vector regression algorithm incorporated with prior knowledge and error compensation for small datasets
内容介绍
> > > >中文摘要
为了解决在测量数据不足但是来自模拟器的存在偏差的先验知识可以获取的情况下的建模问题,我们提出了一种新颖的多尺度ν-线性规划支持向量回归算法(ν-LPSVR),称为ν-MPESVR。该算法构造了一个嵌套支持向量回归模型,该模型将先验知识结合到ν-LPSVR中,补偿了先验知识数据与测量数据之间的误差,并且同时实现了预测模型和误差补偿模型的最小训练误差。考虑到测量数据可能存在于多特征空间中,我们将算法扩展到多尺度ν-LPSVR,以实现对复杂问题的精确建模。此外,本文还介绍了ν-MPESVR的参数选择策略。在合成示例和实际应用中评估所提出算法的性能。使用均方根误差(RMSE),平均绝对误差(MAE)和确定系数(R2)评估所有模型的性能。以合成实例中的三组实验为例,我们发现ν-MPESVR表现更好,当先验知识数据的偏差发生变化时,它仍能保持高精度(对于三组实验RMSE值为