长春工业大学学报(自然科学版)
長春工業大學學報(自然科學版)
장춘공업대학학보(자연과학판)
JOURNAL OF JILIN INSTITUTE OF TECHNOLOGY
2008年
6期
601-606
,共6页
王勇%吕显瑞%严然%苏立明
王勇%呂顯瑞%嚴然%囌立明
왕용%려현서%엄연%소립명
SVM%回归%预测%分块%二次规划问题
SVM%迴歸%預測%分塊%二次規劃問題
SVM%회귀%예측%분괴%이차규화문제
通过将海量的样本集合合理地分为数目比较小的几个子集,并在每个子集上分别作回归或逼近,使得训练SVM所需二次规划问题的维数大大降低.这样大大降低了训练SVM的运算量,同时提高了局部逼近和预测的能力,为SVM在回归或预测中的实时应用创造了条件.
通過將海量的樣本集閤閤理地分為數目比較小的幾箇子集,併在每箇子集上分彆作迴歸或逼近,使得訓練SVM所需二次規劃問題的維數大大降低.這樣大大降低瞭訓練SVM的運算量,同時提高瞭跼部逼近和預測的能力,為SVM在迴歸或預測中的實時應用創造瞭條件.
통과장해량적양본집합합리지분위수목비교소적궤개자집,병재매개자집상분별작회귀혹핍근,사득훈련SVM소수이차규화문제적유수대대강저.저양대대강저료훈련SVM적운산량,동시제고료국부핍근화예측적능력,위SVM재회귀혹예측중적실시응용창조료조건.
