【正文】 豐富了自身的內(nèi)容（如快速訓(xùn)練算法等），從而更加推動(dòng)了它在其他模式識(shí)別領(lǐng)域的應(yīng)用。 課題研究背景基于支持向量的學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方面，研究從觀測(cè)數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，、神經(jīng)網(wǎng)絡(luò)等在內(nèi)，樣本數(shù)往往是有限的，因此一些理論上很優(yōu)秀的學(xué)習(xí)方法實(shí)際中表現(xiàn)卻可能不盡人意。支持向量機(jī)（ SVM ）是一種比較好的實(shí)現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想的方法。 線性判別ABSTRACTSupport vector machine (SVM) is a new method of study based on statistical learning theory which has attracted extensive attentions by academic circles both at home and abroad in recent years. It has been widely used in pattern recognition and function estimation. The biggest characteristic of support vector machine (SVM) theory is that a small error limited by the training set of sample can ensure the independent test set’s small error. Thus a support vector regression (SVR) forecasting model can be built by support vector machine (SVM) theory and it can solve various practical problems.SVR algorithm model is one of pattern recognition algorithm, which is more widely used in approximation of function and the application of the regression estimate. In the SVR regression analysis, using support vector machine (SVM) can smooth regression function as far as possible. Its generalization ability is strong.This paper discusses the basic principle of support vector regression and introduces support vector regression algorithm and several mon kernel functions (the linear kernel, polynomial kernel and radial basis function (RBF) kernel, the Gaussian kernel etc.). This essay successfully makes these functions work: the creation of data sets, the selection of kernel function, parameter settings, return of the training set, the preservation and open of the data set. We acplish the return of input of data set through the selection of different kernel functions and the setting of corresponding parameter. This model is mainly to solve the nonlinear regression model prediction. Then, the same issue is done through the experiment to change the values of different parameters, and the statistics, the number of support vector regression， performance of program running time are accounted. Finally, we have analysis the results of regression and gained the influence of various parameters on the return performance.Key words: Support Vector Regression。最后對(duì)回歸的結(jié)果進(jìn)行分析，得出各參數(shù)對(duì)回歸性能的影響。本設(shè)計(jì)主要實(shí)現(xiàn)的功能有：數(shù)據(jù)集的創(chuàng)建、內(nèi)核函數(shù)的選取、參數(shù)的設(shè)置、訓(xùn)練集的回歸、數(shù)據(jù)集的保存與打開。從而通過(guò)支持向量機(jī)(SVM)理論,可以建立支持向量回歸(SVR)預(yù)測(cè)模型，以解決各種實(shí)際問(wèn)題。支持向量機(jī)理論的最大特點(diǎn)是由有限的訓(xùn)練集樣本得到的小的誤差保證對(duì)獨(dú)立的測(cè)試集仍保持小的誤差?！　”疚恼撌隽酥С窒蛄炕貧w的基本原理和思想，介紹了支持向量回歸算法以及所用到的幾種常見的核函數(shù)（即線性內(nèi)核、多項(xiàng)式內(nèi)核、徑向基函數(shù)內(nèi)核、高斯內(nèi)核）。通過(guò)實(shí)驗(yàn)改變各個(gè)參數(shù)的不同取值對(duì)訓(xùn)練集進(jìn)行回歸，并分別統(tǒng)計(jì)出支持向量的個(gè)數(shù)，回歸性能，程序運(yùn)行時(shí)間。 核函數(shù)。 Linear Discrimination Analysis目 錄第1章 緒論 1 課題研究背景 1 國(guó)內(nèi)外研究現(xiàn)狀 1 課題研究目的 2 課題研究使用的開發(fā)工具 3 3第2章 支持向量機(jī)回歸原理 5 支持向量機(jī) 5 支持向量回歸 5 回歸初步形式 5 線性支持向量回歸 6 非線性支持向量回歸 6 7 支持向量回歸算法 8 支持向量回歸的算法的基礎(chǔ) 8 回歸算法 10 關(guān)于算法的幾點(diǎn)說(shuō)明 11第3章 基于Matlab實(shí)現(xiàn)SVR的總體設(shè)計(jì) 13 總體設(shè)計(jì)思想 13 功能模塊的劃分及相關(guān)流程圖 13 主要功能模塊的劃分 13 實(shí)現(xiàn)程序的主要框架圖 13 支持向量回歸模型的流程圖 14第4章 基于支持向量回歸模型的實(shí)現(xiàn) 16 16 運(yùn)行結(jié)果 17 主界面 17 功能描述界面 17 18 命令窗口的顯示結(jié)果 244. 3系統(tǒng)的性能分析及結(jié)論 24第5章 總結(jié) 27致 謝 28參考文獻(xiàn) 29第1章緒論第1章 緒論支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上提出的一種新的學(xué)習(xí)方法。本課題研究的SVR是支持向量機(jī)在函數(shù)回歸中的應(yīng)用。通過(guò)結(jié)果風(fēng)險(xiǎn)最小化準(zhǔn)則和核函數(shù)方法，較好地解決了模式分類器復(fù)雜性核推廣性之間的矛盾，引起了模式識(shí)別領(lǐng)域?qū)W者的極大關(guān)注。 國(guó)內(nèi)外研究現(xiàn)狀支持向量機(jī)一經(jīng)提出，就得到國(guó)內(nèi)外學(xué)者的高度關(guān)注。隨著支持向量機(jī)理論上深入研究，出現(xiàn)了許多變種支持向量機(jī)，如Smolaetal.（1999）提出的用于分類和回歸支持向量機(jī)。實(shí)驗(yàn)還觀察到，三種SVM求出的支持向量中有80%以上是重合的，它們都只是總樣本中很少的一部分，說(shuō)明支持向量本身對(duì)不同方法具有一定的不敏感性（遺憾的是這些結(jié)論僅僅是有限的實(shí)驗(yàn)中觀察到的現(xiàn)象，如果能得到證明，將會(huì)使SVM的理論和應(yīng)用有更大的突破）。 課題研究使用的開發(fā)工具此課題主要運(yùn)用MATLAB開發(fā)平臺(tái)，MATLAB既是一種直觀、高效的計(jì)算機(jī)語(yǔ)言,同時(shí)又是一個(gè)科學(xué)計(jì)算平臺(tái)。開發(fā)工具的優(yōu)點(diǎn):1．編程效率高：Matlab是一種面向科學(xué)與工程計(jì)算的高級(jí)語(yǔ)言，允許用數(shù)學(xué)形式的語(yǔ)言來(lái)編寫程序，這樣就更接近我們書寫計(jì)算算法公式的思維方式。這給編寫程序帶來(lái)很大方便。在執(zhí)行繪圖函數(shù)時(shí)是通過(guò)使用不同的圖形對(duì)象來(lái)實(shí)現(xiàn)圖形創(chuàng)建功能的這些圖形對(duì)象包括直線、文本、曲面等等。第2章詳細(xì)推導(dǎo)了線性