技术详细介绍
本发明涉及一种基于样本数据先验信息的支持向量机核函数选择方法及应用，尤其适用于实时在线的支持向量机模型预测控制场所。本发明包括如下步骤：输入样本数据
其中Rn为n维数据空间，并对X进行变换使数据的范数小于1；对给定样本数据进行超球体的数学描述以及确定超球体的重心O和半径R；建立样本分布能量熵函数，并计算各样本的能量熵；构建样本分布判别函数及计算其判别结果；根据其判别结果与核函数性质（如黎曼度量、距离度量等）的相似性选择核函数类型；合理确定样本训练集和测试集后，SVM模型及参数优化；输出预测结果。其提高了SVM学习能力和泛化能力，并具有运算速度快、非常适合实时在线SVM模型预测控制场所等特点。
一种基于样本先验信息的支持向量机核函数选择方法，包括如下步骤：
步骤1：输入样本数据
其中Rn为n维数据空间，并对X进行变换使数据的范数小于1；
步骤2：对给定样本数据进行超球体的数学描述以及确定超球体的重心O和半径R；
步骤3：建立样本分布能量熵函数，并计算各样本的能量熵；
步骤4：构建样本分布判别函数及计算其判别结果；
步骤5：根据其判别结果与核函数性质的相似性选择核函数类型；
步骤6：合理确定样本训练集和测试集后，对SVM模型及参数优化；
步骤7：输出预测结果；
