在线Lagrangian支撑向量回归
为快速求解在线支撑向量回归算法,给出了一种基于Lagrangian支撑向量回归(LSVR)的在线增量学习算法.LSVR得到的无约束最优化问题可以采用快速迭代算法求解,该迭代算法可以从任何初始点收敛.LSVR求解时,在迭代开始只需要对阶数为输入样本数加一的矩阵求逆.在线增量LSVR学习算法在线性情况下采用S-M-W公式可以明显减少运算时间,在非线性情况下矩阵求逆充分利用了历史学习结果,减少了很多重复计算.通过在多个数据集上进行对比,实验结果表明:该算法与以前算法相比不仅保持了较好的精度,同时训练时间大大减少.
支撑向量回归、Lagrangian支撑向量回归、迭代算法、在线算法
39
TP181(自动化基础理论)
国家自然科学基金资助项目60775011
2013-08-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
1065-1071