【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第12期 390-394页,共5页

【作 者】： 尤志锋 ; 石全 ; 胡起伟 ; 刘天斌

【摘 要】 利用欧几里得范式对任务复杂性影响因素进行综合性评估，所得的平方相关系数较小，需要的样本量较大，不适用与小样本事件。并且上述评估方法是固定的，不能够根据不同的因变量进行适应性改变，估计的效果较差，可操作性不强。为解决上述问题，将小样本对象的复杂性综合评估模型转化为挖掘输入特征属性向量与输出评估值之间关系的模型，利用支持向量回归机进行学习，可以较好地解决上述问题。结果表明利用支持向量回归方法进行复杂性综合评估，精度较高，可操作性强。