支持向量回归中的预测信任度

被引：5

作者：

孙德山

吴今培

机构：

[1] 中南大学科研所

[2] 五邑大学智能所长沙

[3] 广东江门

来源：

计算机科学 | 2003年 / 08期

基金：

广东省自然科学基金;

关键词：

Support vector machine; Regression; Chaotic time series;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

<正> 1 引言 Vapnik等人根据统计学习理论提出的支持向量机学习方法,近年来受到了国际学术界的广泛重视。支持向量机的最大特点是根据Vapnjk结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练集样本得到的小的误差能够保证对独立的测试集仍然保持小的误差。另外,由于支持向量机算法是一个凸优化问题,因此局部最优解一定是全局最优解。这些特点是其它学习算法,如神经网络学习算法所不及的。但在支持向量回归预测中,它也有一定的不足,比如,它的预测输出是一点,没有概率特征,这就使得它的预测没有一定的依靠性,使得人们不知道这个预测是否可信。针对这点,本文在支持向量机的回归算法中引入了预测信任度的概念,对预测输出的值,能够清楚地看到它的可信度大小,从而能够指

引用

页码：126 / 127

页数：2