摘要：支持向量机（Support Vector Machine,SVM）是建立在统计学习理论和结构风险最小化准则基础上的机器学习方法,该方法可以较好的解决以往很多学习方法的小样本、高维数、非线性和局部最小点等实际问题。本文利用支持向量机（SVM）回归理论和方法,建立基于核函数主成分支持向量机（Kernel Principal Component Analysis-Support Vector Machine,KP-CA-SVM）回归模型,并用2000-2008年杭州市公路客运量为样本进行了预测,结果表明,KPCA-SVM模型具有较高的预测精度和可靠性,是一种有效的公路客运量预测方法。

原文链接:http://www.cqvip.com//QK/95695X/201201/40494476.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）