基于支持向量回归集成的陀螺仪参数漂移预测

• 作者: 刘勇志
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 参数预测 支持向量回归 集成 神经网络 泛化能力
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 制导工程与技术
• 页码范围: 49-52
• 页数: 4页
• 分类号: TP206+.3
• 字数: 3294字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2007.04.014

摘要

泛化能力是智能方法用于参数预测的最重要的问题之一,提出了支持向量回归集成方法.为了增加个体之间的差异性,提出了基于聚类方法的个体生成方法.首先利用聚类方法将样本分为若干子类,然后用不同结构的支持向量回归学习不同的样本子类,权值由个体在验证集上的泛化误差决定.将ESVR陀螺仪参数飘移数据的预测,并与单支持向量回归,单神经网络,神经网络集成以及组合预测方法进行比较.结果证实,ESVR的预测精度总体高于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勇志	海军潜艇学院导弹兵器系	41	125	5.0	9.0