基于梯度信息的最小二乘支持向量回归机

被引：8

作者：

周晓剑

马义中

刘利平

汪建均

机构：

[1] 南京理工大学经济管理学院

来源：

南京理工大学学报(自然科学版) | 2011年 / 35卷 / 01期

基金：

国家自然科学基金重点项目;

关键词：

支持向量机; 最小二乘支持向量回归机; 梯度信息; 计算机试验;

D O I：

10.14177/j.cnki.32-1397n.2011.01.029

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为了解决传统最小二乘支持向量回归机(LS-SVR)对训练样本量要求过高的问题,提出了基于梯度信息的支持向量回归机(GE-LS-SVR)模型。通过修改目标函数及约束条件,将梯度信息引入模型的构建中,重新构造了决策函数。采用了三个基准函数对模型进行了验证,并用三个常用度量准则对实验结果进行了比较。结果表明提出的模型能在较少样本的情况下达到较为理想的回归精度。

引用

页码：138 / 143

页数：6

共 7 条

[1]

SMO算法的简化及其在非正定核条件下的应用 [J].