核主成分支持向量机模型在蒸发预测中的应用

• 作者: 戴玉萍 沈冰 秦胜英 邵年华
• 来源期刊: 北京师范大学学报(自然科学版)
• 学科: 地球科学
• 关键词: 核主成分分析 支持向量机 蒸发量 KPCA-SVM模型
• 年，卷（期）: 2010,（3）
• 页码范围: 307-310
• 分类号: P3
• 语种: 中文

摘要

核主成分分析(KPCA)法具有很好的非线性特征提取能力,利用KPCA提取输入数据的特征信息,并将特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA-SVM预测模型.通过实例检验表明,具有非线性特征提取的ISSVM模型的预测效果优于没有特征提取的LSSVM模型.与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈冰	西安理工大学西北水资源与环境生态教育部重点实验室	201	3070	30.0	42.0
2	邵年华	西安理工大学西北水资源与环境生态教育部重点实验室	6	45	5.0	6.0
3	秦胜英		9	50	4.0	7.0
4	戴玉萍		4	21	2.0	4.0