文档介绍：摘要种重要途径。本文通过实验对采用两种典型核函数——多项式核函数和径向基核统计学习理论是针对小样本情况下的机器学习理论,其核心思想是通过控制学习机器的复杂度实现对学习机器推广能力的控制。在这一理论中发展起来的支持向量机是一种新的通用学习方法,它较以往方法表现出一些理论和实践上的优势,已经在模式识别、回归估计、时问序列预测等多方面得到成功应用。支持向量回归侵С窒蛄炕糜诮饩龌毓槲侍馐钡耐乒阈问健1疚拇踊诜抡的武器系统作战效能分析的需求出发,将τ糜谙煊η娼#⒆胖囟許的模型选择问题进行研究,目的是提高墓兰凭ǘ取ü撕迪址窍咝郧榭鱿碌耐乒悖撕难≡褚厝范擞成函数和特征空间,选择或者构造与特定问题相适合的核函数是提高阅艿囊函数的栽肷穆嘲粜越斜冉戏治觯诖嘶∩咸岢隼米楹虾撕岣穆嘲粜裕⒎治隽苏饬嚼嗪撕诹街旨虻プ楹戏绞较碌目赡茏楹闲问健实验表明使用两类核函数的组合能够提高穆嘲粜裕媒崧鄱宰楹虾撕的选择具有一定的参考价值。本文提出通过定义局部核将属性相对重要性的信息引入到笛榻峁砻饕肴ㄖ乜凸坌畔⒌腟比使用标准核函数的具有更好的性能。在核函数的类型确定以后,模型选择就等价于对械某问挠呕通常通过最小化推广误差的估计来实现。本文针对当前乒阄蟛畹墓兰拼蠖需要较大计算费用的情况,推导出牧粢环ㄎ蟛畹囊子诩扑愕慕纾飧鼋缭得到学习算法的解后需要很少的额外工作量。然后根据此界的特点,提出了基于差商的参数优化算法,用差商代替导数的计算,具有较大的适用范围。本文参考参数调整的一些经验方法,通过对径向基核函数慕徊嫜橹の蟛钏娌问换规律的分析,设计了一种启发式搜索算法,以提高基于交叉验证误差进行参数调整的效率。基准数据集上的实验表明所提算法的有效性和高效性。,基于建立的响应曲面,系统优化、因素权衡等复杂分析将变得简单而高效。传统的响应曲面法使用低阶多项式进行响应曲面的构建,不便于响应函数非线性或者自变量空间取值范围较大时的研究,本文将τ糜谙煊η娼!U攵許用于响应曲面构建时的特征选择、多响应建模等需求,提出基于线性规划的特征选择方法,设计了易于求解的多响应P停四P涂梢灾苯永玫鼻暗腟训练算法进行求解。并对用于P偷氖笛樯杓平刑致郏菰隽渴绞笛樯杓频奶氐悖杓屏艘种与此种实验设计相结合的隽渴窖八惴āA硗猓菇玈响应曲面建模国防科学技术大学研究生院博士学位论文第
方法同其他的响应曲面建模方法进行比较分析。作战仿真是武器系统作战效能分析的重要方法,本文提出基于仿真的武器系统作战效能分析基本框架,考虑到基于仿真的复杂分析的高仿真费用,将响应曲面模型纳入该框架内。基于此框架,以“装甲车辆总体仿真及作战效能分析”项目为背景,对主战坦克武器系统的作战效能分析问题进行实例研究。利用现关键性能参数的识别和响应曲面的构建,并基于建立的模型进行系统性能参数的优化分析。实验结果表明糜谧髡叫芊治龅挠行浴主题词:统计学习理论支持向量回归模型选择核函数响应曲面作战效能分析国防科学技术大学研究生院博士学位论文第试页
里堕型堂垫查盔兰竺茎竺堕堡主兰壁垒苎:魉齮岣莑...琣..琲蝣∞...襂甌甌畉,“.第~
,適甌瓸瑃..,,琄,珻第...瓹.
表录目表基准数据集上的实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..表虰菁系氖笛榻峁表数据集的属性⋯⋯⋯⋯⋯⋯⋯⋯表固定参数涂诘髡问⒌氖笛榻峁表固定参数仃和占调整参数氖笛榻峁表固定参数投⒌髡问嫉氖笛榻峁表不同算法得到的测试误差表不同算法的盗反问表参数不同取值对应的误差误差随参数占的变化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表不同搜索算法得到的测试误差表煌阉魉惴ǖ牡问表特征选择实验结果⋯⋯⋯⋯⋯⋯⋯表多响应建模实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表数据集的属性⋯⋯⋯⋯⋯⋯⋯⋯。表坦克性能参数表⋯⋯⋯⋯⋯⋯⋯..表红兰双方兵力配置⋯⋯⋯⋯⋯⋯..表特征选择实验方案⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表特征选择实验的实验结果⋯⋯⋯⋯.表特征筛选后留下的性能参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯P偷闹С窒蛄考跋凳表不同建模方法的性能比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表计算结果表..回回∞第Ⅳ页国防科学技术大学研究生院博士学位论文⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯..
图目录图模型选择流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图论文的组织结构图图风险界的示意图..⋯⋯⋯⋯⋯⋯⋯⋯⋯图多项式核氖笛榻峁图薙的实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图不同组合核函数氖笛榻峁图误差估计随核参数的变化一⋯⋯⋯⋯⋯图误差估计随参数谋浠图误差估计随参数谋浠图支持向量数目和解分量的均值随核参数的变化⋯⋯⋯⋯⋯⋯⋯⋯⋯..误差随参数变化的示图⋯