论文部分内容阅读
相关向量机(RVM)预测模型在贝叶斯框架下用最大似然方法对模型权值进行训练,可以有效解决过学习的问题,有较高的模型泛化能力且具有较为稀疏的相关向量和核函数选择上不用满足Mercer条件等优点。RVM的基本思想是使用核方法将自变量从低维空间映射到高维空间,以获得因变量与自变量线性回归的稀疏解。核矩阵作为训练数据信息到回归模型的信息通道,其唯一参数即核函数宽度的选取直接影响RVM模型的回归性能。本文基于量子粒子群优化算法(QPSO)提出了RVM核函数参数值的优化方法,并使用该方法建立双酚A(BPA)生产