论文部分内容阅读
高斯过程（GP）是近年来发展迅速的一种全新学习机。与支持向量机（SVM）相比，该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计，编写了在多种因素影响下边坡角设计的GP程序，为克服单一核函数预测精度和恻络泛化能力差的缺点，采用单一核函数相加作为GP的组合核函数，将自动关联性测定参数（ARD）引入其中，建立了关于超参数的GP回归网络模型，使用共轭梯度下降算法导出最优超参数，用ARD超参数进行输入属性相关性分析和特征选取，并以此心络对测试样本进行学习预测，结合支持向