考虑梯度信息的ε-支持向量回归机 |
| |
引用本文: | 周晓剑.考虑梯度信息的ε-支持向量回归机[J].自动化学报,2014,40(12):2908-2915. |
| |
作者姓名: | 周晓剑 |
| |
作者单位: | 1.南京邮电大学管理学院 南京 210023 |
| |
基金项目: | 国家自然科学基金(71401080),江苏省高校哲学社会科学基金项目(2013SJB6300072),南京邮电大学人才引进项目(NYS212008)资助 |
| |
摘 要: | 传统的ε-支持向量回归机(ε-support vector regression, ε-SVR)只是根据样本点处的响应值来构建模型, 并没考虑样本点处的梯度信息. 如果样本点处的梯度信息容易获得或者获得的成本并不高, 那就应该将梯度信息应用到模型的构建中. 已有的基于梯度信息的 ε-支持向量回归机模型的构建是从泰勒展开的角度着手, 简单地将梯度信息插入到泰勒展开式中; 本研究另辟蹊径, 并没有去估计样本点邻域内的函数值, 而是将梯度信息作为第二类变量融入到核矩阵中直接构建优化模型, 使模型的构建更为简捷直观, 并据此得到一种新的基于梯度信息的 ε-支持向量回归机(Gradient-enhanced ε-support vector regression, GESVR) 模型. 所提模型通过了常用分析函数及精算领域中的生命表数据的验证, 实验表明, 与传统的 ε-SVR相比, 考虑梯度信息的GESVR模型显著地提高了其预测精度.
|
关 键 词: | ε-支持向量回归机 元模型 梯度信息 计算机实验设计 仿真优化 |
收稿时间: | 2013-12-26 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载全文 |
|