文献类型：期刊文章

作　　者：刘黔会[1] 张挣鑫[1] 黄方林[2] 朱延[1]

LIU Qianhui;ZHANG Zhengxin;HUANG Fanglin;ZHU Yan(Civil Engineering College of Guizhou Institute of Technology,Guiyang,Guizhou 550003,China;College of Civil Engineering,Central South University,Changsha,Hunan 410075,China)

机构地区：[1]贵州理工学院土木工程学院,贵州贵阳550003 [2]中南大学土木工程学院,湖南长沙410075

出　　处：《公路工程》

基　　金：贵州省自然科学基金(黔科合J字[2015]2062号)

年　　份：2018

卷　　号：43

期　　号：2

起止页码：201-205

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在考虑模型的二次损失函数下,对传统SVM进行扩展开进,得到基于最小二乘支持向量机(LS—SV M)的回归模型,利用支持向量机(SVM)具有的泛华能力,通过非线性映射构建一个高维空间的最优超平面,来进行评价计算。通过对选取的样本的归一化处理,确定LS—SVM输入向量数量指标,引入拉格拉日函数进行变化,获得函数的对偶关系,从而在保证LS—SVM的训练速度和预测精度,快速寻找到模型的解。最后通过算例验证了模型在拟合过程和预测经过精度方相较于其他模型具有明显的优势,能有效满足实际工程应用需求。

关 键 词：支持向量机 非线性 路面性能

分 类 号：U416.217]