王向中
,
查五生
,
燕顺
,
储林华
,
周胜海
材料科学与工程学报
为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测.在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测.选择合适的模型参数,最终建立了拟合误差、预测误差均较小的模型,对剩磁、矫顽力以及最大磁能积的预测相对误差平均值分别为1.94%、5.43%及4.34%.试验表明将支持向量回归机用于磁性能的预测是一种可行且有效的方法.
关键词:
稀土
,
纳米复相永磁体
,
支持向量回归机
,
结构风险
牛培峰
,
李鹏飞
,
李国强
,
马云飞
钢铁
针对目前板形模式识别模型泛化能力不高、训练速度慢等缺陷,以1次、2次、3次、4次勒让德正交多项式为板形缺陷基本模式,提出了由支持向量回归机（SVR）构建的模式识别模型;为了提高该模型的精确度,引入万有引力算法（GSA）优化SVR的参数,由此构成GSA-SVR预测模型。仿真试验结果表明：GSA-SVR模型不仅识别结果精度高,而且与PSO-BP神经网络模型相比泛化能力更强,训练速度更快,其识别结果可以为板形控制提供有效的依据。
关键词:
板形
,
模式识别
,
勒让德多项式
,
万有引力算法
,
支持向量回归机
