公开(公告)号：CN102024180B

公开(公告)日：2013-04-10

申请号：CN201010601695.0

申请日：2010-12-23

Applicant: 浙江大学

Inventor： 庞红霞 ,  冯华君 ,  徐之海 ,  李奇

IPC: G06F19/00 ,  G06N5/04

Abstract: 本发明公开了一种基于支持向量机的参数自适应的运动预测方法，包括：(1)将样本数据转化为SVM训练预测的标准动态序列数据格式，并对数据极值归一化，得到的极值归一化值后加上小数ω；(2)在对数空间坐标系网格中用最小均方误差原则进行三像素宽度直线搜索，找到最优参数组合，得到最优预测模型；(3)实时采样颤振数据，采样k个颤振位移，用步骤(2)得到的最优预测模型进行SVM实时预测得到颤振位移。本发明的基于支持向量机的参数自适应的运动预测方法，计算精度和计算效率非常高，可以用于各种基于SVM的回归拟合和预测领域，不仅能摒弃以往人为调整参数的繁琐，还能同时满足精度和效率的要求，很好地实现了自动化智能化。

公开(公告)号：CN102024180A

公开(公告)日：2011-04-20

申请号：CN201010601695.0

申请日：2010-12-23

Applicant: 浙江大学

Inventor： 庞红霞 ,  冯华君 ,  徐之海 ,  李奇

IPC: G06N5/04

Abstract: 本发明公开了一种基于支持向量机的参数自适应的运动预测方法，包括：(1)将样本数据转化为SVM训练预测的标准动态序列数据格式，并对数据极值归一化，得到的极值归一化值后加上小数ω；(2)在对数空间坐标系网格中用最小均方误差原则进行三像素宽度直线搜索，找到最优参数组合，得到最优预测模型；(3)实时采样颤振数据，采样k个颤振位移，用步骤(2)得到的最优预测模型进行SVM实时预测得到颤振位移。本发明的基于支持向量机的参数自适应的运动预测方法，计算精度和计算效率非常高，可以用于各种基于SVM的回归拟合和预测领域，不仅能摒弃以往人为调整参数的繁琐，还能同时满足精度和效率的要求，很好地实现了自动化智能化。