【正文】 stical 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。 訓練算法 。最后對回歸的結(jié)果進行分析，得出各參數(shù)對回歸性能的影響。此模 型主要解決非線性回歸模型的預測。本設計主要實現(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)的設置、訓練集的回歸、數(shù)據(jù)集的保存與打開。在 SVR 回歸分析中，使用支持向量機可以使回歸函數(shù)盡量平滑，其泛化能力強。從而通過支持向量機 (SVM)理論 ,可以建立支持向量回歸 (SVR)預測模 型，以解決各種實際問題。 基于 MATLAB的 SVR回歸模型的設計與實現(xiàn) The Design and Implementation of SVR Regression Model Based on MATLAB 摘 要 支持向量機是根據(jù)統(tǒng)計學習理論提出的一種新的學習方法，近年來受到了國內(nèi)外學術(shù)界的廣泛重視，并已在模式識別和函數(shù)估計中得到廣泛應用。支持向量機理論的最大特點是由有限的訓練集樣本得到的小的誤差保證對獨立的測試集仍保持小的誤差。 SVR 算法是模式識別中應用比較廣泛的算法模型之一，它是支持向量機在函數(shù)逼近和回歸估計中的應用。 本文論述了支持向量回歸的基本原理和思想，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、多項式內(nèi)核、徑向基函數(shù)內(nèi)核、高斯內(nèi)核）。通過不同核函數(shù)的選取以及相應參數(shù)的設置對輸入數(shù)據(jù)集進行回歸。通過實驗改變各個參數(shù)的不同取值對訓練集進行回歸，并分別統(tǒng)計出支持向量的個數(shù)，回歸性能，程序運行時間。 關(guān)鍵詞： 支持向量回歸 。 核函數(shù) 。 Training Algorithms。 Li near Discrimination Analysis 目 錄 第 1 章 緒論 ............................................................... 1 課題研究背景 ........................................................ 1 國內(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 論文組織結(jié)構(gòu) ........................................................ 3 第 2 章 支持向量機回歸原理 ................................................. 5 支持向量機 .......................................................... 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 .............................................. 7 支持向量回歸核函數(shù) .................................................. 7 支持向量回歸算法 .................................................... 8 支持向量回歸的算法的基礎 ........................................ 8 SVR?? 回歸算法 ............................................... 10 關(guān)于算法的幾點說明 ............................................. 11 第 3 章 基于 Matlab 實現(xiàn) SVR 的總體設計 .................................... 13 總體設計思想 ....................................................... 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現(xiàn) ........................................ 16 模型的功能描述 ..................................................... 16 運行結(jié)果 ........................................................... 17 主 界面 ......................................................... 17 功能描述 界面 ................................................... 17 運行過程 及結(jié)果 .................................................. 18 命令窗口的顯示結(jié)果 ............................................. 24 4. 3 系統(tǒng)的性能分析及結(jié)論 ............................................... 24 第 5 章 總結(jié) .............................................................. 27 致 謝 .................