基于支持向量回归集成的陀螺仪参数漂移预测
刘勇志
海军潜艇学院导弹兵器系,青岛,266071
摘要：泛化能力是智能方法用于参数预测的最重要的问题之一,提出了支持向量回归集成方法.为了增加个体之间的差异性,提出了基于聚类方法的个体生成方法.首先利用聚类方法将样本分为若干子类,然后用不同结构的支持向量回归学习不同的样本子类,权值由个体在验证集上的泛化误差决定.将ESVR陀螺仪参数飘移数据的预测,并与单支持向量回归,单神经网络,神经网络集成以及组合预测方法进行比较.结果证实,ESVR的预测精度总体高于其他方法.
关键词：参数预测支持向量回归集成神经网络泛化能力
分类号：TP206+.3(自动化技术及设备)
论文发表日期：2007-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 49-52 )
英文信息