支持向量机在小样本预测中的应用

• 作者: 姜汉桥 赵传峰 郭新华
• 来源期刊: 油气田地面工程
• 关键词: 支持向量机 统计学习 预测 人工神经网络 核函数
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 试验研究
• 页码范围: 21-23
• 页数: 3页
• 分类号: TE3
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6896.2009.02.011

摘要

支持向量机方法是一种有坚实理论基础的、新颖的小样本学习方法,可以用于处理高度非线性回归和分类问题.与现有的统计方法不同,它采用了结构风险最小化原理,因而预测精度较高;而且基本上不涉及概率测度及大数定律,最终的决策函数只由少数的支持向量所确定,因而其计算的复杂性仅仅取决于支持向量的数目,而非样本空间的维数.油气田开发工程中,往往需要根据小样本来预测某种方法或措施的效果,通过引入支持向量机方法,措施效果预测的精度有了明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜汉桥		156	1598	22.0	27.0
2	赵传峰		14	91	7.0	9.0
3	郭新华		1	14	1.0	1.0