针对秸秆发酵制乙醇浓度预测问题,引入贝叶斯证据框架下最小二乘支持向量机(Least square support vector machines,LS-SVM)方法。贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中。本文主要...针对秸秆发酵制乙醇浓度预测问题,引入贝叶斯证据框架下最小二乘支持向量机(Least square support vector machines,LS-SVM)方法。贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中。本文主要对贝叶斯证据框架下LS-SVM的寻优轨迹进行探索研究,从方法内部剖析其在秸秆发酵制乙醇浓度预测的应用优势,给出寻优轨迹,验证贝叶斯证据框架下LS-SVM方法的可行性。展开更多
文摘针对秸秆发酵制乙醇浓度预测问题,引入贝叶斯证据框架下最小二乘支持向量机(Least square support vector machines,LS-SVM)方法。贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中。本文主要对贝叶斯证据框架下LS-SVM的寻优轨迹进行探索研究,从方法内部剖析其在秸秆发酵制乙醇浓度预测的应用优势,给出寻优轨迹,验证贝叶斯证据框架下LS-SVM方法的可行性。