10.3321/j.issn:0254-4164.2005.07.013
加权稳健支撑向量回归方法
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.
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
28
TP18(自动化基础理论)
国家自然科学基金60373106;国家高技术研究发展计划863计划2001AA113182
2005-09-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
1171-1177
