支持向量回归预测模型在材料性能预测中的应用(2)

3　结束语

本文介绍了SVR的相关原理；利用基于SVR的材料性能预测模型，对三不同材料的有关性能进行预测。研究实例显示：SVR预测模型具有良好的学习和泛化能力，基于SVR的预测模型，在材料性能的预测领域可以有很广泛的应用。

教育期刊网 http://www.jyqkw.com
参考文献

［１］邓乃扬,田英杰.数据挖掘中的新方法-支持向量机[M].北京:科学出版社, 2004.

［２］Z. Lu, J. Sun. Non-Mercer hybrid kernel for linear programming support vector regression in nonlinear systems identification[J]. Applied Soft Computing, 2009, 9(1): 94-99.

［３］K.W. Lau, Q.H. Wu. Local prediction of non-linear time series using support vector regression[J]. Pattern Recognition, 2008, 41(5): 1539-1547.

［４］B. Schǒlkopf, A.J. Smola. Learning with kernels[M]. 1st edition. London: The MIT press, 2002: 25-60.

［５］唐江凌, 蔡从中,等.Al-Cu-Mg-Ag合金强度性能的支持向量回归预测[J]. 航空材料学报,2012,5:92-96.

［６］唐江凌,蔡从中,等.支持向量回归在Zr-2合金晶粒尺寸预测中的应用[J]. 材料热处理学报,2013,2:180-184.

［７］J. L. Tang C. Z. Cai, et al. Modeling and Predicting Tensile Strength of Tungsten Alloy by Using PSO-SVR[J]. Advanced Materials Research, 2012, 455-456: 1497-1503.

［责任编辑：杨玉洁］

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说工学类支持向量回归预测模型在材料性能预测中的应用(2)在线全文阅读。