基于KPCA-SVM的公路客运量预测研究
2012-01-26分类号：U492.413
【部门】哈尔滨工业大学管理学院 常熟理工学院管理学院
【摘要】支持向量机(Support Vector Machine,SVM)是建立在统计学习理论和结构风险最小化准则基础上的机器学习方法,该方法可以较好的解决以往很多学习方法的小样本、高维数、非线性和局部最小点等实际问题。本文利用支持向量机(SVM)回归理论和方法,建立基于核函数主成分支持向量机(Kernel Principal Component Analysis-Support Vector Machine,KP-CA-SVM)回归模型,并用2000-2008年杭州市公路客运量为样本进行了预测,结果表明,KPC
【关键词】KPCA 公路客运 预测研究 运量预测
【基金】国家自然科学基金项目(项目编号:60979016);; 教育部新世纪优秀人才支持项目资助(NCET-08-0171);; 高等学校博士点专项基金资助项目(20092302110060)
【所属期刊栏目】技术经济与管理研究
文献传递
