| 结构可调的支持向量回归估计 |
| |
| 引用本文： | 宋晓峰,陈德钊,胡上序.结构可调的支持向量回归估计[J].控制与决策,2003,18(6):698-702. |
| |
| 作者姓名： | 宋晓峰 陈德钊 胡上序 |
| |
| 作者单位： | 浙江大学,智能信息工程研究所,浙江,杭州,310027 |
| |
| 基金项目： | 国家自然科学基金资助项目(20076041)。 |
| |
| 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方法的楚模效果优于常规方法。
|
| 关 键 词： | 支持向量机 结构可调 回归估计 |
| 文章编号： | 1001-0920(2003)06-0698-05 |
| 修稿时间： | 2002年7月15日 |
Adjustable structure support vector regression estimation |
| |
| SONG Xiao-feng,CHEN De-zhao,HU Shang-xu.Adjustable structure support vector regression estimation[J].Control and Decision,2003,18(6):698-702. |
| |
| Authors: | SONG Xiao-feng CHEN De-zhao HU Shang-xu |
| |
| Abstract: | The performances of support vector regression estimation is analyzed. A novel adjustable structure support vector regression (AS-SVR) is proposed to deal with different noise data density function in different region and a sharp change of sample data in local region. The method proposed is to make use of different loss function, and adjust the parameters of different sample data adaptively. The formulation of computing AS-SVR is deduced and the algorithms for adaptively adjusting parameter is worked out. The example shows that the outcomes of AS-SVR are better than conventional SVR. |
| |
| Keywords: | Support vector machine Adjustable structure Regression estimator |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
