位置:成果数据库 > 期刊 > 期刊详情页
基于概率支持向量回归的产品设计时间预测模型
  • ISSN号:1001-3695
  • 期刊名称:计算机应用研究
  • 时间:2013
  • 页码:1099-1101
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]东南大学自动化学院,南京210096, [2]东南大学教育部复杂工程系统测量与控制重点实验室,南京210096, [3]盐城工学院自动化系,江苏盐城224003
  • 相关基金:国家自然科学基金资助项目(50875046,60934008)
  • 相关项目:知识化制造系统优化方法研究与应用
中文摘要:

为使产品设计时间预测既克服小样本、异方差噪声问题,又提供除预测值以外的其他有用信息,建立概率支持向量回归(PSVR)模型。首先,在异方差回归模型基础上设计概率约束条件,以使预测值以较大概率位于真实值的某邻域,结合具有参数不敏感损失函数的支持向量回归确定优化目标,提出PSVR。然后,将最大完工时间知识嵌入进PSVR的约束条件,用以确定真实值邻域的宽度,将交叉验证与遗传算法相结合以确定PSVR的相关参数。最后,以注塑模具设计的实例进行分析,结果表明基于PSVR的时间预测方法可同时提供有效的预测值和预测区间。

英文摘要:

This paper proposed a forecast model based on probabilistic support vector regression(PSVR) to overcome the problems of small samples and heteroscedastic noise in design time forecast,and provided useful information in addition to the forecast value.Firstly,it designed probability constraints on the basis of heteroscedastic regression model,and made sure that for every sample the forecast value was in a neighborhood of the target value with high probability.It formulated the optimization objective in the form of support vector regression with parameter-insensitive loss function,and proposed PSVR.Then,it embedded prior knowledge of maximum completion time into the constraints of PSVR,and provided the size of the neighborhood of the target value.It applied the combination of genetic algorithm and cross validation to determine the relevant parameters of PSVR.Finally,it analyzed the application in injection mold designs.The results verify that the time forecast method based on PSVR can simultaneously provide effective forecast values and forecast intervals.

同期刊论文项目
期刊论文 89 会议论文 20 专利 3 著作 1
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049