计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
10期
352-356
,共5页
魏延%曾绍华%王勇%曹长修
魏延%曾紹華%王勇%曹長脩
위연%증소화%왕용%조장수
搜索算法%大训练样本%仿真
搜索算法%大訓練樣本%倣真
수색산법%대훈련양본%방진
在改进算法的研究中,从大训练样本集中进行样本抽样是构建大样本支持向量回归机的重要手段.根据ε-SVR支持向量分布的特有属性和支持向量逐步回归机算法求解ε-SVR的缺陷,为改善训练时间,优化收敛性,从大训练样本集中抽取的小样本集的ε-SVR超平面出发,通过计算大训练样本集样本点距近似超平面距离d,剔除大训练样本集中在ε≤d≤dmax外的训练样本点,逐步搜索SVs,建立大训练样本集ε-SVR.提出了构建大训练样本集ε-SVR的逐步搜索算法,理论分析和仿真实验验证了搜索算法的收敛性和有效性.
在改進算法的研究中,從大訓練樣本集中進行樣本抽樣是構建大樣本支持嚮量迴歸機的重要手段.根據ε-SVR支持嚮量分佈的特有屬性和支持嚮量逐步迴歸機算法求解ε-SVR的缺陷,為改善訓練時間,優化收斂性,從大訓練樣本集中抽取的小樣本集的ε-SVR超平麵齣髮,通過計算大訓練樣本集樣本點距近似超平麵距離d,剔除大訓練樣本集中在ε≤d≤dmax外的訓練樣本點,逐步搜索SVs,建立大訓練樣本集ε-SVR.提齣瞭構建大訓練樣本集ε-SVR的逐步搜索算法,理論分析和倣真實驗驗證瞭搜索算法的收斂性和有效性.
재개진산법적연구중,종대훈련양본집중진행양본추양시구건대양본지지향량회귀궤적중요수단.근거ε-SVR지지향량분포적특유속성화지지향량축보회귀궤산법구해ε-SVR적결함,위개선훈련시간,우화수렴성,종대훈련양본집중추취적소양본집적ε-SVR초평면출발,통과계산대훈련양본집양본점거근사초평면거리d,척제대훈련양본집중재ε≤d≤dmax외적훈련양본점,축보수색SVs,건립대훈련양본집ε-SVR.제출료구건대훈련양본집ε-SVR적축보수색산법,이론분석화방진실험험증료수색산법적수렴성화유효성.