结构可调的支持向量回归估计

被引:6
作者
宋晓峰
陈德钊
胡上序
机构
[1] 浙江大学智能信息工程研究所
[2] 浙江大学智能信息工程研究所 浙江杭州
[3] 浙江杭州
关键词
支持向量机; 结构可调; 回归估计;
D O I
10.13195/j.cd.2003.06.60.songxf.013
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对定义域各分区间内样本数据的噪声强度不同,以及在局部范围内数据变化急剧等复杂情况,提出了结构可调的支持向量回归估计(AS-SVR)方法,包括采用不同的损失函数,对各样本点自适应地选用不同的参数等。推导了求解公式,给出了调整算法。实例测试表明,AS-SVR方法的建模效果优于常规方法。
引用
收藏
页码:698 / 702
页数:5
相关论文
共 3 条
[1]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[2]  
最优化计算方法[M]. 上海科学技术出版社 , 席少霖, 1983
[3]   Improvements to Platt's SMO algorithm for SVM classifier design [J].
Keerthi, SS ;
Shevade, SK ;
Bhattacharyya, C ;
Murthy, KRK .
NEURAL COMPUTATION, 2001, 13 (03) :637-649