加权支持向量回归算法在运力预测中的应用

摘要

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法.由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题.近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用.本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法--"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中.估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性.