典型文献
考虑全过程优化的支持向量机航材消耗预测方法
文献摘要：
针对航材消耗影响因素复杂,传统支持向量机预测精度较低的问题,提出了一种考虑全过程优化的支持向量机(SVM)航材消耗预测方法.采用LASSO算法实现主要影响因素选择,通过K-means聚类算法将样本分为相关性较强的子样本集,根据不同类别分别选择合适的核函数和优化参数建立SVM预测模型.结合航材消耗数据实例分析,最后通过均方根误差与传统支持向量机模型和神经网络模型比较,结果表明全过程优化的预测模型对提高航材保障效率有积极意义.
文献关键词：
航材消耗预测;LASSO算法;K-means聚类;支持向量机
中图分类号：
作者姓名：
谷雨轩;徐常凯;倪彬
作者机构：
空军勤务学院航材四站系,江苏 徐州 221000
文献出处：
引用格式：
[1]谷雨轩;徐常凯;倪彬-.考虑全过程优化的支持向量机航材消耗预测方法)[J].火力与指挥控制,2022(06):81-86
A类：
航材消耗预测
B类：
全过程优化,统支,LASSO,算法实现,means,聚类算法,子样本,样本集,核函数,优化参数,支持向量机模型,模型比较,航材保障,保障效率
AB值：
0.203779
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。
