支持大数据的参数自适应支持向量回归方法

来源：计算机集成制造系统杂志2023年第2期北京时间：

作者：曹卫东, 倪建军, 姜博严

单位：河海大学物联网工程学院

摘要：为解决大数据条件下的高效精准预测问题,提出一种基于均值漂移聚类与海洋捕食者算法的参数自适应支持向量回归方法。将大数据样本划分为训练组、验证组和测试组;采用均值漂移聚类算法处理训练组得到聚类中心;设定支持向量回归(SVR)参数,随机生成多个SVR参数组;基于参数组和聚类中心,采用支持向量回归算法对验证组样本进行预测以得到预测精度,然后采用海洋捕食者算法更新SVR参数组,循环本步骤直到满足截止条件,从而获得最优SVR参数组;基于该最优参数组,用SVR获得测试组的预测精度。与高度类似方法在预测精度、稳定性和数据损失等方面进行比较,验证了该方法的可行性和有效性。

关键词：大数据预测问题,参数自适应,支持向量回归,均值漂移聚类,海洋捕食者算法

基金资助：常州科技计划资助项目(CJ20190045);国家自然科学基金资助项目(61873086,61903123);中央高校基本科研业务费资助项目(B210202088)。