典型文献
求解大规模矛盾方程组的最小二乘支持向量机算法
文献摘要：
房价预测、共享单车出租数量预测、空气污染情况预测等常涉及矛盾方程组求解,对其数值求解方法研究具有重要的理论意义与应用价值.当矛盾方程组规模过大时,用传统的最小二乘法求解,不仅计算量大,而且由于误差积累使最终结果的准确性不高.鉴于此,采用机器学习中的最小二乘支持向量机(least squares support vector machine,LS-SVM)算法求解大规模矛盾方程组,并分别针对线性、非线性、单变量、多变量矛盾方程组进行了数值求解.数值结果表明,数据类型和数据量的变化对结果的影响不大,因此只要选取适当的参数就可建立合适的模型,得到高精度的预测结果.
文献关键词：
大规模矛盾方程组;机器学习;LS-SVM;最小二乘法
中图分类号：
作者姓名：
郑素佩;闫佳;宋学力;陈荧
作者机构：
长安大学 理学院,陕西 西安 710064
文献出处：
引用格式：
[1]郑素佩;闫佳;宋学力;陈荧-.求解大规模矛盾方程组的最小二乘支持向量机算法)[J].浙江大学学报（理学版）,2022(04):435-442
A类：
大规模矛盾方程组
B类：
最小二乘支持向量机,支持向量机算法,房价预测,共享单车,出租,空气污染,污染情况,方程组求解,数值求解,求解方法,计算量,差积,least,squares,support,vector,machine,LS,别针,多变量,数据类型,数据量
AB值：
0.319044
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
