關于關聯向量機應用的最新文獻！
提出了一種核主元分析(Kpca)和關聯向量機(RVM)相結合的組合建模方法。Kpca-RVM采用Kpca對原始自變量進行非線性變換并提取主成分,形成特征自變量 采用RVM,對Kpca變換后的樣本數據進行回歸建模,并根據模型的預報能力自適應的確定參與回歸的最佳特征變量個數,消除冗余信息干擾,獲得強非線性表達能力且預報性能良好的模型。并將Kpca-RVM應用于PTA裝置對羧基苯甲醛(4-CBA)含量的軟測量建模,結果表明該方法預測精度高于PCA-RVM和RVM。
標簽：
Kpca
Kpca-RVM
RVM
向量機
上傳時間：
2013-12-20
上傳用戶：ddddddos
