基于SVM的RSM模型拟合方法研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金资助项目(70572044)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    对于多极值、存在高阶交互作用和约束的复杂过程,参数RSM整体代表性差,难以达到全局最优;而非参数RSM在样本量有限时泛化性差,模型难以优化.将RSM模型拟合归结为一类有限制条件、可主动获取样本点的小样本学习问题;提出一种基于SVM的复杂过程RSM模型拟合方法,并提出了适用于RSM的实用性SVM核函数及参数选择方法.算例研究表明,所提的核函数及参数选择方法得到的泛化误差与其最小值的平均偏离率在20%以内;基于SVM的RSM拟合模型对因子约束、误差分布无严格限制,泛化性能、曲面重现能力均优于现有RSM,其平均泛化误差与样本量分别比非参数RSM降低约20%和30%,说明了所提方法的有效性与优越性.

    Abstract:

    When a complex process is featured with multi-extreme of quality responses as well as high order interactions and constraints among influential factors,parametric response surface method(RSM) fails to fit the real surface and is hard to achieve global optimization;While non-parametric RSM results in poor generalization performance when the sample size is finite and is hard to optimize the response as well.In this paper,the model fitting phase of RSM is described as a sort of restricted small-sam...

    参考文献
    相似文献
    引证文献
引用本文

崔庆安,何桢,崔楠.基于SVM的RSM模型拟合方法研究[J].管理科学学报,2008,11(1):

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
管理科学学报 ® 2024 版权所有
通讯地址:天津市南开区卫津路92号天津大学第25教学楼A座908室 邮编:300072
联系电话/传真:022-27403197 电子信箱:jmsc@tju.edu.cn