一种基于支持向量机的非参数双响应曲面法

摘要

现有非参数双响应曲面法只注重提高模型的拟合性能而忽视提高泛化性能,对于复杂工业过程的质量优化和稳健设计应用效果不佳．为此提出了一种新的非参数双响应曲面法．首先采用均匀空间网格形式取样,然后利用支持向量机来拟合过程的均值和方差响应,并且通过比较不同拟合模型的泛化误差上界来优化支持向量机的参数．与基于核函数和基于人工神经网络的非参数双响应曲面法对比结果表明：实验设计方式相同时,该方法的平均泛化误差分别降低了31．0%和51．8%；而泛化误差相近时,平均样本量分别降低了35．0%和48．6%；对不同取样方法的泛化性能研究表明,在没有先验知识时,均匀空间网格是一种可接受的实验设计方式．由此说明了该方法的适用性与优越性．