《基于MATLAB的SVR回归模型的设计与实现》由会员分享，可在线阅读，更多相关《基于MATLAB的SVR回归模型的设计与实现（3页珍藏版）》请在金锄头文库上搜索。
1、本文格式为Word版，下载可任意编辑基于MATLAB的SVR回归模型的设计与实现 基于MATLAB的SVR回归模型的设计与实现 The Design and Implementation of SVR Regression Model Based on MATLAB 学生姓名： 王新蕾 学生学号： 10780232 专业名称： 电子信息科学与技术 指导教师： 张艳（讲师） 计算机与信息工程学院 2022年6月10日 独创性声明 本人声明所呈交的毕业论文是本人在指导教师指导下举行的研究工作和取得的研究成果，除了文中更加加以引用标注之处外，论文中不包含其他人已经发表或撰写过的研究成果，没有伪造数据
2、的行为。 毕业论文签名： 签字日期： 毕业论文版权使用授权书 本毕业论文完全了解学校有关留存、使用论文的规定。同意学校留存并向有关管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权天津城建大学可以将本论文的全部或片面内容编入有关数据举行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本论文。 （保密的毕业论文在解密后适用本授权说明） 毕业论文签名： 指导教师签名： 签字日期： 签字日期： 摘 要 支持向量机是根据统计学习理论提出的一种新的学习方法，近年来受到了国内外学术界的广泛重视，并已在模式识别和函数估计中得到广泛应用。支持向量机理论的最大特点是由有限的训练集样本得到的
3、小的误差保证对独立的测试集仍保持小的误差。从而通过支持向量机(SVM)理论,可以建立支持向量回归(SVR)预料模型，以解决各种实际问题。 SVR算法是模式识别中应用对比广泛的算法模型之一，它是支持向量机在函数迫近和回归估计中的应用。在SVR回归分析中，使用支持向量机可以使回归函数尽量平滑，其泛化才能强。 本文论述了支持向量回归的根本原理和思想，介绍了支持向量回归算法以及所用到 的几种常见的核函数（即线性内核、多项式内核、径向基函数内核、高斯内核）。本设计主要实现的功能有：数据集的创造、内核函数的选取、参数的设置、训练集的回归、数据集的保存与开启。通过不同核函数的选取以及相应参数的设置对输入数据集举行回归。此模型主要解决非线性回归模型的预料。通过测验变更各个参数的不同取值对训练集举行回归，并分别统计出支持向量的个数，回归性能，程序运行时间。结果对回归的结果举行分析，得出各参数对回归性能的影响。 3
