基于支持向量机的材料热处理性能预测模型研究
来源期刊：材料热处理学报2007年第6期
论文作者：吴良 陈铮
关键词：支持向量机(SVM); 预测模型; 热处理; 泛化能力;
摘 要：介绍了支持向量机(SVM)技术中的支持向量回归模型,并结合实例运用SVM技术构建了42CrMo钢热处理力学性能预测的数学模型.研究表明,在小样本条件下,应用SVM技术构建数学模型的最大预测相对误差为4.78%;而且随着检验精度的提高,模型的预测精度保持基本不变,泛化能力明显优于用人工神经网络的BP模型.认为在材料热处理领域应用SVM技术构建预测力学性能的数学模型,能较好地解决小样本和模型预测精度间的矛盾.
吴良1，陈铮1
(1.东华大学机械工程学院,上海,201620)
摘要:介绍了支持向量机(SVM)技术中的支持向量回归模型,并结合实例运用SVM技术构建了42CrMo钢热处理力学性能预测的数学模型.研究表明,在小样本条件下,应用SVM技术构建数学模型的最大预测相对误差为4.78%;而且随着检验精度的提高,模型的预测精度保持基本不变,泛化能力明显优于用人工神经网络的BP模型.认为在材料热处理领域应用SVM技术构建预测力学性能的数学模型,能较好地解决小样本和模型预测精度间的矛盾.
关键词:支持向量机(SVM); 预测模型; 热处理; 泛化能力;
【全文内容正在添加中】
