最小二乘支持向量机在软测量建模中的应用

• 作者: 蒋爱平 邸真珍
• 来源期刊: 世界仪表与自动化
• 学科: 工学
• 关键词: 最小二乘支持向量机 软测量 丙烯腈 建模 数据预处理
• 年，卷（期）: 2005,（5）
• 页码范围: 55-56
• 页数: 2页
• 分类号: TQ325.8

摘要

支持向量机(Support Vector Machine．SVM)应用结构风险最小化理论，从训练集中选择一组特征子集。使得对特征子集的线性划分等价于对整个数据集的分割。支持向量机最初应用于模式识别，随后开始在信号处理、函数逼近等领域也得到了广泛发展。支持向量机与神经网络等常用方法相比，其具有泛化性好、建模所需学习数据较少等优点。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋爱平	华东理工大学信息学院	9	22	3.0	4.0
2	邸真珍	华东理工大学信息学院	2	9	1.0	2.0