为了进一步提高多组分气体分析的准确度,对采用AOTF-NIR光谱仪采集甲烷、乙烷和丙烷多组分混合气体的近红外光谱数据建立了新的分析模型。首先对光谱数据采用偏最小二乘法(以下简称PLS)进行特征提取,随后将提取得到的潜变量作为支持向量回归机(以下简称SVR)的输入建立多组分混合气体的定量分析模型。结果显示,PLS特征提取耦合SVR对近红外光谱的定量分析取得了很好的分析效果。

libsvm分类和回归GUI版本，及其使用介绍文档

美国西储大学轴承寿命预测

基于matlab的svr模块数据分析基于matlab的svr模块数据分析

当今时代，科学技术高速发展，涌现出一批新技术，数据挖掘、机器学习等新科学领域被深入研究，众多智能算法逐渐出现，同时被应用到了不同的领域中.本文构建了一种基于BP （Back Propagation）神经网络和SVR （Support Vector Regression）支持向量回归机的组合模型.依托于农产品价格数据进行实例验证分析，结果表明相对于单一的预测模型，BP-SVR-BP组合模型在预测精度上有了很大的提升，拟合效果更加逼近真实数据曲线，能够客观真实的反应农产品物价变化规律.

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中.

可用于最小二乘支持向量回归相关问题，非线性拟合及预测

为了使电梯群控系统更好地跟踪电梯交通流的变化以提高群控系统的性能，提出了基于支持向量回归(Support Vector Regression，SVR)的电梯交通流预测方法。针对电梯交通流时间序列小样本的特性，考虑了电梯交通流的横向和纵向变化趋势，采用SVR算法建立了电梯交通流时间序列的预测模型。给出了预测的评价指标，研究了SVR模型中的参数对预测效果的影响，利用试验寻优的方法确定了SVR预测模型的最优参数。最后，与电梯交通流 RBF神经网络预测模型进行了比较研究，分析了数据样本中波动较大部分的预测效果，结

非线性回归方法的锂离子卫星动力系统的RUL和SOH估计 链接到数据集可以在找到

磷虾群算法改进的基于SVR-ARMA组合预测模型的ORP预测