计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2005年
7期
1171-1177
,共7页
支撑向量机%稳健支撑向量回归方法%奇异值%软剔除%统计学习
支撐嚮量機%穩健支撐嚮量迴歸方法%奇異值%軟剔除%統計學習
지탱향량궤%은건지탱향량회귀방법%기이치%연척제%통계학습
给出一类基于奇异值软剔除的加权稳健支撑向量回归方法(WRSVR).该方法的基本思想是首先由支撑向量回归方法(SVR)得到一个近似支撑向量回归函数,基于这个近似模型给出了加权SVR目标函数并利用高效的SVR求解技巧得到一个新的近似模型,然后再利用这个新的近似模型重新给出一个加权SVR目标函数并求解得到一个更为精确的近似模型,重复这一过程直至收敛.加权的目的是为了对奇异值进行软剔除.该方法具有思路简捷、稳健性强、容易实现等优点.实验表明,新算法WRSVR比标准SVR方法、稳健支撑向量网(RSVR)方法和加权最小二乘支撑向量机方法(WLS-SVM)更加稳健,算法的逼近精度受奇异值的影响远小于SVM、RSVR和WLS-SVM算法.
給齣一類基于奇異值軟剔除的加權穩健支撐嚮量迴歸方法(WRSVR).該方法的基本思想是首先由支撐嚮量迴歸方法(SVR)得到一箇近似支撐嚮量迴歸函數,基于這箇近似模型給齣瞭加權SVR目標函數併利用高效的SVR求解技巧得到一箇新的近似模型,然後再利用這箇新的近似模型重新給齣一箇加權SVR目標函數併求解得到一箇更為精確的近似模型,重複這一過程直至收斂.加權的目的是為瞭對奇異值進行軟剔除.該方法具有思路簡捷、穩健性彊、容易實現等優點.實驗錶明,新算法WRSVR比標準SVR方法、穩健支撐嚮量網(RSVR)方法和加權最小二乘支撐嚮量機方法(WLS-SVM)更加穩健,算法的逼近精度受奇異值的影響遠小于SVM、RSVR和WLS-SVM算法.
급출일류기우기이치연척제적가권은건지탱향량회귀방법(WRSVR).해방법적기본사상시수선유지탱향량회귀방법(SVR)득도일개근사지탱향량회귀함수,기우저개근사모형급출료가권SVR목표함수병이용고효적SVR구해기교득도일개신적근사모형,연후재이용저개신적근사모형중신급출일개가권SVR목표함수병구해득도일개경위정학적근사모형,중복저일과정직지수렴.가권적목적시위료대기이치진행연척제.해방법구유사로간첩、은건성강、용역실현등우점.실험표명,신산법WRSVR비표준SVR방법、은건지탱향량망(RSVR)방법화가권최소이승지탱향량궤방법(WLS-SVM)경가은건,산법적핍근정도수기이치적영향원소우SVM、RSVR화WLS-SVM산법.
