检索结果-南通市图书馆

Data Selection Using Support Vector Regression

Advances in Atmospheric Sciences 2015年第3期32卷 277-286页

作者： Michael B.RICHMAN Lance M.LESLIE Theodore B.TRAFALIS Hicham MANSOURI School of Meteorology and Cooperative Institute for Mesoscale Meteorological Studies University of OklahomaNorman Oklahoma 73072 USA School of Industrial and Systems Engineering University of OklahomaNorman Oklahoma 73019 USA Power Costs Inc. 301 David L.Boren Blvd.Suite 2000 Norman Oklahoma 73072 USA

Geophysical data sets are growing at an ever-increasing rate,requiring computationally efficient data selection （thinning） methods to preserve essential ***,such as WindSat,provide large data sets for assessing the accuracy and computational efficiency of data selection techniques.A new data thinning technique,based on support vector regression （SVR）,is developed and *** manage large on-line satellite data streams,observations from WindSat are formed into subsets by Voronoi tessellation and then each is thinned by SVR （TSVR）.Three experiments are *** first confirms the viability of TSVR for a relatively small sample,comparing it to several commonly used data thinning methods （random selection,averaging and Barnes filtering）,producing a 10％ thinning rate （90％ data reduction）,low mean absolute errors （MAE） and large correlations with the original data.A second experiment,using a larger dataset,shows TSVR retrievals with MAE ＜ 1 m s-1 and correlations ≥ *** was an order of magnitude faster than the commonly used thinning methods.A third experiment applies a two-stage pipeline to TSVR,to accommodate online *** pipeline subsets reconstruct the wind field with the same accuracy as the second experiment,is an order of magnitude faster than the nonpipeline ***,pipeline TSVR is two orders of magnitude faster than commonly used thinning methods that ingest the entire data *** study demonstrates that TSVR pipeline thinning is an accurate and computationally efficient alternative to commonly used data selection techniques.

关键词： data selection data thinning machine learning support vector regression Voronoi tessellation pipeline methods

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：