1、產(chǎn)品設(shè)計時間預(yù)測存在小樣本、不確定數(shù)據(jù)、高度非線性和異方差噪音等問題，常規(guī)的支持向量機模型不能取得滿意效果。產(chǎn)品設(shè)計活動的過程雖然缺乏統(tǒng)一框架指導(dǎo)，但并不是沒有知識，在預(yù)測模型中嵌入相關(guān)知識可提高預(yù)測效果。為了更好地分析和控制產(chǎn)品開發(fā)時間，預(yù)測模型需提供除預(yù)測值以外的其它有用信息。本文針對產(chǎn)品設(shè)計時間預(yù)測中的問題，提出了四種新的模型。首先在核近似中，即在支持向量回歸的一種線性規(guī)劃形式中，嵌入相關(guān)知識，給出不確定數(shù)據(jù)的處理方法，并通過算例

2、對該算法的性能進(jìn)行了評估。然后針對模糊支持向量回歸沒能考慮異方差噪音的問題，提出了基于帶有參數(shù)不敏感損失函數(shù)的模糊支持向量回歸的產(chǎn)品設(shè)計時間預(yù)測模型。將概率約束條件與帶有參數(shù)不敏感損失函數(shù)的支持向量回歸相結(jié)合，提出了概率支持向量回歸模型，并嵌入相關(guān)知識。最后，假定核函數(shù)回歸模型的權(quán)重向量服從高斯分布，以最小化相對熵為優(yōu)化目標(biāo)，提出了基于高斯間距核回歸的產(chǎn)品設(shè)計時間預(yù)測模型。
　　 具體說來，主要在如下四個方面進(jìn)行了研究:

3、　　 1.建立基于核近似的產(chǎn)品設(shè)計時間預(yù)測模型。針對產(chǎn)品設(shè)計時間預(yù)測存在小樣本、不確定數(shù)據(jù)、高度非線性等問題，將不確定數(shù)據(jù)處理成區(qū)間數(shù)，在核近似中引入Hausdorff距離，并將含有區(qū)間數(shù)的知識轉(zhuǎn)換成核近似可嵌入的不等式，證明了知識轉(zhuǎn)化的充分性，提出相應(yīng)的產(chǎn)品設(shè)計時間智能預(yù)測方法，給出相關(guān)參數(shù)的優(yōu)選方法。進(jìn)行了注塑模具設(shè)計的實例分析，并減少訓(xùn)練樣本以觀察核近似模型性能的變化，結(jié)果表明基于嵌入知識的核近似的設(shè)計時間預(yù)測方法是有效的，且訓(xùn)

4、練樣本的減小并沒有帶來預(yù)測性能的顯著下降。
　　 2.建立基于模糊支持向量回歸的產(chǎn)品設(shè)計時間預(yù)測模型。針對產(chǎn)品設(shè)計時間預(yù)測存在小樣本、不確定數(shù)據(jù)、異方差噪音等問題，將模糊回歸理論與帶有參數(shù)不敏感損失函數(shù)的支持向量回歸相結(jié)合，基于Necessity模型構(gòu)造約束條件，提出帶有參數(shù)不敏感損失函數(shù)的模糊支持向量回歸，證明了其對偶優(yōu)化問題中的拉格朗日乘子αi和αi*必定滿足αiαi*=0。給出相應(yīng)的設(shè)計活動時間智能預(yù)測方法和相關(guān)參數(shù)的優(yōu)選

5、算法。與模糊支持向量機相比，該模型的優(yōu)化問題規(guī)模更小。進(jìn)行了注塑模具設(shè)計的實例分析，結(jié)果表明基于帶有參數(shù)不敏感損失函數(shù)的模糊支持向量回歸的時間預(yù)測方法是有效和可行的，并減少訓(xùn)練樣本以觀察模型的性能變化，結(jié)果表明該模型仍可提供有價值的信息。
　　 3.建立基于概率支持向量回歸的產(chǎn)品設(shè)計時間預(yù)測模型。在異方差回歸模型基礎(chǔ)上設(shè)計概率約束條件，結(jié)合帶有參數(shù)不敏感損失函數(shù)的支持向量回歸確定優(yōu)化目標(biāo)，提出兩種形式的概率支持向量回歸。對于第一

6、種形式的概率支持向量回歸，嵌入最小方差信息，證明了ε-支持向量回歸模型是該模型的一種特殊形式，證明了若該模型以高斯徑向基函數(shù)為核函數(shù)，其對偶優(yōu)化問題中有關(guān)拉格朗日乘子λ的解有界。對于第二種形式的概率支持向量回歸，證明了該模型可轉(zhuǎn)換為帶有參數(shù)不敏感損失函數(shù)的支持向量回歸。將最大完工時間知識嵌入進(jìn)概率支持向量回歸的約束條件，將交叉驗證與遺傳算法相結(jié)合確定概率支持向量回歸的相關(guān)參數(shù)。概率支持向量回歸可同時給出預(yù)測值和預(yù)測區(qū)間，從而可提供更多的

7、產(chǎn)品設(shè)計時間信息。進(jìn)行了注塑模具設(shè)計的實例分析，并減少訓(xùn)練樣本以觀察概率支持向量回歸模型的性能變化，結(jié)果表明基于第一種形式的概率支持向量回歸的時間預(yù)測方法是有效的，訓(xùn)練樣本的減小并沒有帶來預(yù)測值精度和預(yù)測區(qū)間有效性的顯著下降;對于第二種形式的概率支持向量回歸，盡管其預(yù)測區(qū)間的有效性會顯著下降，但是其預(yù)測精度得到較好保持。
　　 4.建立基于高斯間距核回歸的產(chǎn)品設(shè)計時間預(yù)測模型。假定基于核函數(shù)的回歸模型的權(quán)重向量服從高斯分布，以最

8、小化相對熵為優(yōu)化目標(biāo)，利用預(yù)測值的置信區(qū)間設(shè)置約束條件，構(gòu)造可同時給出預(yù)測值和預(yù)測區(qū)間的高斯間距核回歸模型。利用樣本的獨立性和異方差性對優(yōu)化問題進(jìn)行轉(zhuǎn)化，證明高斯間距核回歸模型具有較好的推廣能力。設(shè)計求解相應(yīng)優(yōu)化問題的迭代方法。假定樣本是同方差的，提出一種簡化高斯間距核回歸模型，并基于兩層遺傳算法完成參數(shù)辨識。以注塑模具設(shè)計的實例進(jìn)行分析，并減少訓(xùn)練樣本數(shù)量以觀察高斯間距核回歸模型的性能變化，結(jié)果表明盡管高斯間距核回歸的預(yù)測區(qū)間的有效性