回归函数的小波支持向量机鲁棒估计法

被引：4

作者：

张晓光 ^{[1
]}

张兴敢 ^{[1
]}

吴行标 ^{[2
]}

耿道华 ^{[3
]}

机构：

[1] 南京大学电子科学与工程系

[2] 中国矿业大学机电工程学院

[3] 江苏天能集团陈楼煤矿

来源：

南京大学学报(自然科学版) | 2006年 / 05期

关键词：

支持向量机; 容许支持向量核; 离群点; M-估计; 回归函数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.

引用

页码：528 / 534

页数：7