[发明专利]一种数据拟合的方法及装置

权利要求书

1.一种数据拟合的方法，其特征在于，包括：

S1：获取待拟合数据；

S2：确定支持向量机SVM回归模型和核函数；

S3：根据所述SVM回归模型、所述核函数和所述待拟合数据，计算出最终拟合函数；

S4：根据所述最终拟合函数对所述待拟合数据进行拟合。

2.根据权利要求1所述的方法，其特征在于，所述S2，包括：

确定epsilon-SVR作为SVM回归模型，并确定径向基函数RBF作为核函数。

3.根据权利要求2所述的方法，其特征在于，所述S3，包括：

S31：设置epsilon-SVR中惩罚因子的第一值和所述RBF中的待定系数的第二值；

S32：根据所述第一值、所述第二值，分别确定当前的epsilon-SVR和当前的RBF；

S33：通过N折交叉验证，根据所述当前的epsilon-SVR、当前的RBF和所述待拟合数据，计算出中间拟合函数，根据所述中间拟合函数进行数据拟合，得到拟合结果，计算所述拟合结果的错误率；

S34：判断所述错误率是否小于等于预设值，如果是，则执行S35，否则，执行步骤S31；

S35：确定当前的中间拟合函数为所述最终拟合函数。

4.根据权利要求3所述的方法，其特征在于，所述S33中，根据所述当前的epsilon-SVR、当前的RBF和所述待拟合数据，计算出中间拟合函数，包括：

根据公式一和公式二计算出拉格朗日乘子向量，其中，公式一为：

minw,b,ξ(*)12||w||2+CΣi=1l(ξi+ξi*)]]>

s.t.((w·Φ(xi))+b)-yi≤ϵ+ξi,i=1,...,l;]]>

yi-((w·Φ(xi))+b)≤ϵ+ξi*,i=1,...,l]]>

ξi(*)≥0,i=1,...,l]]>

公式二为：

maxα(*)∈R2l-12Σi,j=1l(αi*-αi)(αj*-αj)K(xi,xj)-ϵΣi=1l(αi*+αi)+Σi=1lyi(αi*-αi)]]>

s.t.Σi=1l(αi*-αi)=00≤αi(*)≤C,i=1,...,l]]>

K(x_i,x_j)为所述RBF，K(x_i,x_j)＝exp(-γ||x_i-x_j||²),γ>0；

所述待拟合数据为T＝{(x₁,y₁),(x₂,y₂),...,(x_l,y_l)}∈(Rⁿ×Y)^l，其中x_i∈Rⁿ,y_i∈Y＝R,i＝1,2,...,l，C为所述惩罚因子、γ为所述待定系数，为拉格朗日乘子，α^(*)为拉格朗日乘子向量，w、b为系数，Φ(x_i)为投影函数，为容错参数，ε为间隔，计算出的拉格朗日乘子向量，为计算出的拉格朗日乘子，α‾(*)=(α‾1,α‾1*,...,α‾l,α‾l*)T;]]>

获取位于开区间(0,C)中的的分量，当位于(0,C)中的是时，根据公式三计算出b的值当位于(0,C)中的是时，根据公式四计算出b的值其中，所述公式三为：

b‾=yj-Σi=1l(α‾i*-α‾i)K(xi,xj)-ϵ,]]>

所述公式四为：b‾=yk-Σi=1l(α‾i*-α‾i)K(xi,xk)-ϵ;]]>

根据和公式五计算出所述中间拟合函数，其中，公式五为y=g(x)=Σi=1l(α‾i*-α‾i)K(xi,x)+b‾.]]>