支持向量机与RBF神经网络回归性能比较研究

• 作者: 刘苏苏 孙立民
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 RBF神经网络 逼近能力 泛化能力 回归
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 智能技术
• 页码范围: 4202-4205
• 分类号: TP301
• 字数: 3799字
• 语种: 中文

摘要

支持向量机与RBF神经网络相比各有优缺点,通过对支持向量机与RBF神经网络的研究,从理论上分析了这两种学习机在回归预测原理上的异同,通过仿真实验对比了两者在测试集上的逼近能力及泛化能力.仿真结果表明,对于小样本集,支持向量机的逼近能力及泛化能力要优于RBF神经网络.对实际应用中回归模型的选择问题提出了建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙立民	烟台大学计算机学院	21	129	6.0	11.0
2	刘苏苏	烟台大学计算机学院	2	65	2.0	2.0