新型鲁棒孪生支持向量回归机 |
| |
引用本文: | 陈素根,石婷.新型鲁棒孪生支持向量回归机[J].计算机科学与探索,2023(5):1157-1167. |
| |
作者姓名: | 陈素根 石婷 |
| |
作者单位: | 1. 安庆师范大学数理学院;2. 安徽省大别山区域复杂生态系统建模仿真与控制重点实验室;3. 安徽省皖江流域种群生态模拟与控制国际联合研究中心 |
| |
基金项目: | 国家自然科学基金(61702012);;安徽省自然科学基金(1908085MF195,2008085MF193);;安徽省高校自然科学研究重点项目(KJ2020A0505)~~; |
| |
摘 要: | 回归问题是模式识别与机器学习领域的基本问题之一,孪生支持向量回归机(TSVR)是在支持向量回归机(SVR)基础上发展而来的一种处理回归问题的新算法,它在处理无噪声数据时表现出较好的性能,但在处理有噪声数据时往往性能不佳。为了降低噪声对孪生支持向量回归机性能的影响,结合ε-不敏感损失函数与Huber损失函数构造了混合Hε损失函数,该损失函数可以有效地适应于不同分布类型的噪声;然后基于混合Hε损失函数和结构风险最小化(SRM)原则提出了一种鲁棒的孪生支持向量回归机(Hε-TSVR),并在原始空间中利用牛顿迭代法求解模型。分别在有噪声和无噪声的人工数据集、UCI数据集上进行实验,与支持向量回归机和孪生支持向量回归机等算法比较,实验结果验证了所提算法的有效性。
|
关 键 词: | 模式识别 支持向量回归机(SVR) 孪生支持向量回归机(TSVR) 损失函数 |
|