自适应迭代最小二乘支持向量机回归算法
基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.
支持向量机、自适应、迭代、回归、最小二乘
38
TP18(自动化基础理论)
国家自然科学基金60803052,10872077;国家863高技术研究发展计划2007AA04Z114,2009AA02Z307;欧盟项目155776-EM-1-2009-1-IT-ERAMUNDUS-ECW-L12;吉林省科技发展计划20080172,20080708,20070703;吉林大学"985"与"211"项目;吉林大学科学前沿与交叉学科创新项目20093172,200810026
2010-09-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
1621-1625
