《表3 多次试验所得的支持向量机最佳计算参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于灰色关联分析与SVM的概率积分法参数预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

支持向量机预测性能的好坏依赖于核函数及其惩罚因子γ、核偏移量σ的选择[11]。核函数选择RBF函数，容许误差设为1×10-3，训练样本选择1-22号样本数据，训练算法选择序惯最优化算法（SMO）[17]。通过10-折交叉验证方式确定惩罚因子和宽度系数的大小[18]。采用多次试验得到的支持向量机最佳参数和最佳向量机个数进行模型训练。利用MATLAB中的Libsvm工具包进行相应的模型训练[19-21]，并对训练好的支持向量机进行测试多次试验所得的支持向量机最佳计算参数。多次试验所得的支持向量机最佳计算参数如表3所示。