基于信息熵的支持向量回归机训练样本长度选择

• 作者: 朱霄珣 韩中合
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 支持向量回归机 信息熵 故障诊断 状态预测 数据挖掘 样本长度选择
• 年，卷（期）: 2010,（20）
• 页码范围: 112-116
• 页数: 5页
• 分类号: TM715
• 语种: 中文

摘要

支持向量回归机(support vector regression,SVR)是近年来发展起来的一种通用的机器学习方法.目前己被广泛应用于工业、经济等很多领域,取得了良好的效果.但对于大规模非平稳数据的训练学习,会因为规模较大和样本长度选择的问题,影响到预侧结果的精度.为了有效缩减训练样本长度,选择出合适的训练样本,提出基于信息墒的训练样本长度选择方法.该方法利用信息墒对数据的平稳性进行度量,从而选择出最平稳的数据进行学习.该方法不但减少了数据长度、节省了学习时间,同时也提高了预测结果的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩中合		181	1606	21.0	31.0
2	朱霄珣		29	165	7.0	11.0