湖南省教育厅科研基金(09C514)
- 作品数：3 被引量：11H指数：3
- 相关作者：袁哲明谭显胜王志明伍朝华周玮更多>>
- 相关机构：湖南农业大学湖南省作物种质创新与资源利用重点实验室更多>>
- 发文基金：湖南省教育厅科研基金教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 相关领域：自动化与计算机技术生物学更多>>
- 自调用支持向量回归和偏最小二乘优化支持向量机参数被引量：3
- 2010年
- 参数选择是支持向量分类、回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时.将均匀设计(UD)分别与自调用支持向量回归(SVR)、偏最小二乘回归(PLR)结合,提出了两种将大样本搜索转化为小样本搜索的策略UD-SVR和UD-PLR:在默认搜索范围内由均匀设计产生部分参数组合,每组合对训练集经交叉测试得评价指标(对分类为准确率,对回归为均方误差);以评价指标为目标函数,对部分参数组合形成的小样本,UD-SVR自调用支持向量回归以留一法进行大范围搜索建模,UD-PLR以PLR直接建模,并预测默认范围内所有参数组合;取预测评价指标最优的对应参数组合训练大样本,完成独立预测.对8个基准分类数据集、8个回归数据集的独立预测表明,两种新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案,UD-SVR比UD-PLR更具鲁棒性.
- 王志明谭显胜袁哲明伍朝华
- 关键词：均匀设计支持向量回归偏最小二乘大样本参数选择
- 基于支持向量回归的生物测定数据分析被引量：4
- 2010年
- 生物测定是生物学、医学、毒理学的重要内容与基础。常用的定量生物测定数据分析方法时间-剂量-死亡率模型(TDM)不能对复杂生测数据建立统一模型,信息利用不充分。本文基于支持向量回归(SVR),提出了一种能对不同供试因子、不同供试对象和不同环境条件下复杂生测数据统一建模的新方法。14个简单生测数据和2套复杂生测数据的对比分析结果表明,SVR模型拟合与留一法预测精度均优于TDM模型,估计的LD50和LT50等指标更为可信。SVR模型有望作为TDM模型的有益补充,在定量生物测定数据分析中得到广泛应用。
- 王志明谭显胜周玮袁哲明
- 关键词：时间-剂量-死亡率模型支持向量回归生物测定
- 自调用支持向量回归优化支持向量机参数被引量：4
- 2010年
- 参数选择是支持向量回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时。基于均匀设计和自调用支持向量回归,提出了一种将大样本搜索转化为小样本搜索的策略:在3因素9水平搜索范围,经混合均匀设计产生27个参数组合,每组合对训练集经交叉测试得其均方误差MSE;以MSE为目标函数,对该27个参数组合形成的小样本自调用支持向量回归以留一法进行大范围搜索建模,预测729个完全参数组合;取预测MSE最小的对应参数组合完成大样本的训练、预测。对5个基准数据集的独立预测表明,新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案。
- 王志明谭显胜袁哲明伍朝华
- 关键词：均匀设计支持向量回归大样本参数选择
