【摘要】：表4.1不同SVR参数选择方法的比较图4.4LS-SVR-DS函数拟合效果仿真2 设二维函数为其中x∈[0,2],y∈[0,2],分别采用纯随机LS-SVR-DS和八方向LSSVR-DS参数优化方法对该函数进行仿真,均方误差分别为MSE 1＝0.2517,MSE 2＝0.0504。在随后的研究中,将使用八方向LS-SVR-DS模型来构建社会代价各典型问题对经济增长影响的关系模型。
为验证上述算法的有效性,选用SVR中常用的函数进行仿真。同时为方便比较参数寻优效果,本书借鉴文献[97]中的仿真函数选择。
仿真1 非线性函数模型为Hermite函数
其中x∈[0,6],并在此区间上随机取100对(x i,y i)为学习样本,并等间隔取40对(x i,y i)为测试样本,分别采用本书提出的纯随机LS-SVR-DS算法和改进的八方向LS-SVR-DS算法来确定参数,以最小化均方误差为目标,搜索范围σ∈[－10,10],σ≠0,γ∈[－1 000,1 000],将参数结果与文献[97]中的参数优化结果进行比较,结果见表4.1。
表4.1 不同SVR参数选择方法的比较
图4.4 LS-SVR-DS函数拟合效果(www.xing528.com)
仿真2 设二维函数为
其中x∈[0,2],y∈[0,2],分别采用纯随机LS-SVR-DS和八方向LSSVR-DS参数优化方法对该函数进行仿真,均方误差分别为MSE 1＝0.2517,MSE 2＝0.0504。该二维函数参考模型见图4.5(a),纯随机LS-SVR-DS模型拟合效果见图4.5(b),八方向LS-SVR-DS模型拟合效果见图4.5(c)。输出图形显示两种参数优化方法都取得了比较好的效果,其中以八方向LS-SVRDS模型拟合效果更优。在随后的研究中,将使用八方向LS-SVR-DS模型来构建社会代价各典型问题对经济增长影响的关系模型。
图4.5 函数拟合对比图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
