| 一种新的支持向量回归核函数构建方法 |
| |
| 引用本文： | 安文森,孙彦广. 一种新的支持向量回归核函数构建方法[J]. 信息与控制, 2006, 35(3): 378-381 |
| |
| 作者姓名： | 安文森 孙彦广 |
| |
| 作者单位： | 1. 中国科学技术大学自动化系,安徽,合肥,230027;冶金自动化研究设计院,北京,100071
2. 冶金自动化研究设计院,北京,100071 |
| |
| 摘 要： | 首先，讨论了支持向量回归（support vector regression，SVR）的基本原理．然后，从信息几何的角度分析了核函数的几何结构，通过共形变换（conformal transformation）构建与数据依赖(data-dependent)的核函数，使得特征空间在支持向量附近的体积元缩小，以改善SVR的机器性能．实验结果表明了方法的有效性．
|
| 关 键 词： | 支持向量机 支持向量回归 核函数 信息几何 |
| 文章编号： | 1002-0411（2006）03-0378-04 |
| 收稿时间： | 2005-08-11 |
| 修稿时间： | 2005-08-11 |
A New Method for Constructing Kernel Function of Support Vector Regression |
| |
| AN Wen-sen,SUN Yan-guang. A New Method for Constructing Kernel Function of Support Vector Regression[J]. Information and Control, 2006, 35(3): 378-381 |
| |
| Authors: | AN Wen-sen SUN Yan-guang |
| |
| Affiliation: | 1. Department of Automation, University of Science and Technology of China, Hefei 230027, China; 2. Automation Research and Design Institute of Metallurgical Industry, Beijing 100071, China |
| |
| Abstract: | The principle of support vector regression(SVR) is firstly discussed,then geometry of kernel function is analyzed from the viewpoint of information geometry,and the kernel function is contructed in data-dependent way by a conformal transformation,which reduces volume elements locally in neighborhoods of support vectors in feature space.This makes the performance of SVR improved.Simulation results show the effectiveness of the method. |
| |
| Keywords: | support vector machine support vector regression kernel function information geometry |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《信息与控制》浏览原始摘要信息 |
|
点击此处可从《信息与控制》下载全文 |
