固體化合物中陽離子標(biāo)準(zhǔn)熵的支持向量回歸研究.pdf

1、支持向量機(Support Vector Machine，SVM)是Vapnik及其合作者于1995年基于統(tǒng)計學(xué)習(xí)理論及結(jié)構(gòu)風(fēng)險最小化原則而提出的一種機器學(xué)習(xí)方法，被公認(rèn)為小樣本情況下統(tǒng)計學(xué)習(xí)的典范，可用于數(shù)據(jù)的分類與回歸研究，具有很強的學(xué)習(xí)與泛化能力，已被廣泛地應(yīng)用于實際問題的分類與回歸研究。
　　 本論文在總結(jié)應(yīng)用不同描述符和不同回歸方法(線性/非線性)對70種固體化合物陽離子標(biāo)準(zhǔn)熵進(jìn)行回歸預(yù)測結(jié)果的基礎(chǔ)上，提出并應(yīng)用支持向

2、量回歸方法對70種固體化合物陽離子標(biāo)準(zhǔn)熵進(jìn)行了回歸與預(yù)測研究，將其預(yù)測結(jié)果與其他幾種回歸方法的預(yù)測結(jié)果進(jìn)行了對比分析。同時比較了支持向量回歸和神經(jīng)網(wǎng)絡(luò)對不同燒結(jié)工藝條件下選擇性激光燒結(jié)成型件密度的預(yù)測結(jié)果。
　　 本文研究的主要內(nèi)容有：
　　 1)簡要介紹了機器學(xué)習(xí)的基本方法，以及統(tǒng)計學(xué)習(xí)的基本思想，并對統(tǒng)計學(xué)習(xí)理論的一些核心內(nèi)容進(jìn)行了簡要闡述。然后介紹了支持向量回歸原理和參數(shù)尋優(yōu)方法，并簡要地介紹了模糊支持向量回歸機和

3、加權(quán)支持向量回歸機的回歸算法。
　　 2)主要介紹了兩種常用的參數(shù)尋優(yōu)方法，模擬退火算法原理，蟻群算法原理。同時介紹了幾種常用的回歸方法，如概率神經(jīng)網(wǎng)絡(luò)、多元線性回歸和嶺回歸的原理。并簡單地概括了它們的優(yōu)點和不足之處。
　　 3)對有關(guān)熵的基本概念，基本性質(zhì)做了簡單介紹，簡要概括了熱力學(xué)熵的熵增加原理，統(tǒng)計熵的等幾率原理，以及玻耳茲曼熵和克勞修斯熵的物理意義。
　　 4)根據(jù)化合物陽離子的標(biāo)準(zhǔn)熵和選擇性激光成型件