马赫·马洛夫;纳吉省库里;特拉法利斯(Theodore B.Trafalis)。 支持向量回归预测沥青混合料性能。 (英语) 兹比尔1273.74277 国际期刊数字。分析。方法地质力学。 32,第16号,1989-1996(2008). 小结:材料特性在路面设计和评估中至关重要。本文探讨了支持向量回归(SVR)算法在预测回弹模量(M_{R})方面的潜力,回弹模量是设计和评估路面材料,特别是俄克拉荷马州常用的热拌沥青混合料的基本特性。SVR是一种应用于回归问题的统计学习算法;在我们的研究中,SVR被证明优于最小二乘法(LS)。与广泛使用的LS方法相比,本文的研究结果表明SVR显著降低了均方误差,提高了相关系数。 MSC公司: 74升10 土壤和岩石力学 第74页第10页 固体力学中其他性质的优化 74S30型 固体力学中的其他数值方法(MSC2010) 关键词:支持向量回归;弹性模量;热拌沥青;路面 软件:伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{M.Maalouf}等人,国际期刊数字。分析。方法地质力学。32,第16号,1989年--1996年(2008年;Zbl 1273.74277) 全文: 内政部 参考文献: [1] Barksdale RD、Khosla P、Kim R、Lambe M、Rehman P。柔性路面设计回弹模量的实验室测定。NCHRP项目,1997年;1-28. [2] Katicha西南。制定热拌沥青回弹模量的实验室到现场转换系数。弗吉尼亚理工学院和州立大学硕士论文,2003年。 [3] Almudaiheem,荷载大小对沥青混凝土混合料测得回弹模量的影响,《运输研究记录》1317第139页–(1991) [4] Brown ER,Foo KY。弹性模量试验结果可变性的评估(ASTM D 4123)。技术报告,NCAT第91-6号报告,国家沥青技术中心,1989年。 [5] Schmidt,《测量沥青处理混合料弹性模量的实用方法》,《公路研究记录404》第22页–(1972年) [6] Vapnik,《统计学习的本质》(1995年)·Zbl 0833.62008号 ·数字对象标识代码:10.1007/978-1-4757-2440-0 [7] Gunn SR。用于分类和回归的支持向量机。南安普顿大学技术报告,1998年。 [8] Trafalis TB、Ince H、Richman M.使用支持向量机检测龙卷风。2003年墨尔本国际计算科学会议;289-298. [9] Trafalis TB,Ince H.回归支持向量机及其在财务预测中的应用。国际神经网络联合会议,第6卷,2000年;348-353. [10] Lee,使用基因表达数据通过多类别支持向量机对多种癌症类型进行分类,生物信息学19页1132–(2003) [11] Pal,基于支持向量机的地震液化势建模,《国际地质力学数值和分析方法杂志》30 pp 983–(2006)·兹比尔1196.74135 [12] Smola,支持向量回归教程,《统计与计算》,第14页,199–(2004) [13] Shawe-Taylor,模式分析的核方法(2004)·doi:10.1017/CBO9780511809682 [14] Cristianini,支持向量机和其他基于内核的学习方法简介(2000)·Zbl 0994.68074号 ·doi:10.1017/CBO9780511801389 [15] Navaratnarajah SK.选定沥青混合料的性能特征:实验室和现场研究。俄克拉何马大学硕士论文,2006年。 [16] BertholdM,HandDJ(编辑)。智能数据分析。施普林格:柏林,2003年。 [17] Chang CC、Lin CJ。Libsvm:支持向量机库。http://www.csie.ntu.edu.tw/cjlin/libsvm。2007年4月查阅。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。