摘要: 在阐述支持向量机的基本原理、二值分类和多值分类技术及各自特性的基础上,结合洪水灾情综合评价中受自然环境、社会经济等诸多因素的影响且实测样本资料较少的特点,以及目前已有评价模型不能或难以解决的小样本、“过学习”、局部最小等实际难题,提出了基于支持向量机的洪水灾情综合评价模型,并应用实例进行了验证。研究结果表明,此模型和传统的灾情评估法、人工神经网络评价模型一样有效合理,并且模型运算时间比人工神经网络模型要短。因此,不仅为洪水灾情综合评估提供了一种新的模型,而且由于支持向量机遵循统计学习理论中结构风险最小化的原理,具有解决有限样本、非线性及高维识别中的优势,必将比其他传统的评价模型得到更广泛的应用和发展。〖
刘德地, 陈晓宏. 基于支持向量机的洪水灾情综合评价模型[J]. 长江流域资源与环境, 2008, 17(3): 490-490.
LIU Dedi, CHEN Xiaohong. ON THE MODEL OF EVALUATING FLOOD DISASTER LOSS BASED ON SUPPORT VECTOR MACHINE[J]. RESOURCES AND ENVIRONMENT IN THE YANGTZE BASIN, 2008, 17(3): 490-490.