小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2010年
9期
1815-1819
,共5页
王志明%谭显胜%袁哲明%伍朝华
王誌明%譚顯勝%袁哲明%伍朝華
왕지명%담현성%원철명%오조화
均匀设计%支持向量回归%偏最小二乘%大样本%参数选择
均勻設計%支持嚮量迴歸%偏最小二乘%大樣本%參數選擇
균균설계%지지향량회귀%편최소이승%대양본%삼수선택
参数选择是支持向量分类、回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时.将均匀设计(UD)分别与自调用支持向量回归(SVR)、偏最小二乘回归(PLR)结合,提出了两种将大样本搜索转化为小样本搜索的策略UD-SVR和LID-PLR:在默认搜索范围内由均匀设计产生部分参数组合,每组合对训练集经交叉测试得评价指标(对分类为准确率,对回归为均方误差);以评价指标为目标函数,对部分参数组合形成的小样本,UD-SVR自调用支持向量回归以留一法进行大范围搜索建模,UD-PLR以PLR直接建模,并预测默认范围内所有参数组合;取预测评价指标最优的对应参数组合训练大样本,完成独立预测.对8个基准分类教据集、8个回归数据集的独立预测表明,两种新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案,UD-SVR比UD-PLR更具鲁棒性.
參數選擇是支持嚮量分類、迴歸分析的關鍵問題之一,在大訓練樣本條件下,大範圍遍歷搜索極為耗時.將均勻設計(UD)分彆與自調用支持嚮量迴歸(SVR)、偏最小二乘迴歸(PLR)結閤,提齣瞭兩種將大樣本搜索轉化為小樣本搜索的策略UD-SVR和LID-PLR:在默認搜索範圍內由均勻設計產生部分參數組閤,每組閤對訓練集經交扠測試得評價指標(對分類為準確率,對迴歸為均方誤差);以評價指標為目標函數,對部分參數組閤形成的小樣本,UD-SVR自調用支持嚮量迴歸以留一法進行大範圍搜索建模,UD-PLR以PLR直接建模,併預測默認範圍內所有參數組閤;取預測評價指標最優的對應參數組閤訓練大樣本,完成獨立預測.對8箇基準分類教據集、8箇迴歸數據集的獨立預測錶明,兩種新方法在保證預測精度的同時,大幅度縮短瞭訓練建模時間,為大樣本支持嚮量機參數選擇提供瞭新的有效解決方案,UD-SVR比UD-PLR更具魯棒性.
삼수선택시지지향량분류、회귀분석적관건문제지일,재대훈련양본조건하,대범위편력수색겁위모시.장균균설계(UD)분별여자조용지지향량회귀(SVR)、편최소이승회귀(PLR)결합,제출료량충장대양본수색전화위소양본수색적책략UD-SVR화LID-PLR:재묵인수색범위내유균균설계산생부분삼수조합,매조합대훈련집경교차측시득평개지표(대분류위준학솔,대회귀위균방오차);이평개지표위목표함수,대부분삼수조합형성적소양본,UD-SVR자조용지지향량회귀이류일법진행대범위수색건모,UD-PLR이PLR직접건모,병예측묵인범위내소유삼수조합;취예측평개지표최우적대응삼수조합훈련대양본,완성독립예측.대8개기준분류교거집、8개회귀수거집적독립예측표명,량충신방법재보증예측정도적동시,대폭도축단료훈련건모시간,위대양본지지향량궤삼수선택제공료신적유효해결방안,UD-SVR비UD-PLR경구로봉성.
