复杂曲面拟合的相关向量机模型及其泛化能力

被引：5

作者：

何曙光 ^{[1
]}

郑轶松 ^{[2
]}

齐二石 ^{[1
]}

张敏 ^{[1
]}

机构：

[1] 天津大学管理学院

[2] 南开大学泰达学院

来源：

系统工程 | 2009年 / 12期

关键词：

支持向量机; 关联向量机; 回归; 泛化能力;

D O I：

暂无

中图分类号：

O213 [应用统计数学];

学科分类号：

070103 [概率论与数理统计];

摘要：

介绍相关向量机回归(RVM,Relevance Vector Machine)的基本原理。分析采用高斯径向基核函数时,核函数参数与模型性能之间的关系,并给出核函数参数选择建议。针对一个复杂非线性函数,采用均匀网格取样,并分别增加正态分布噪声和均匀分布噪声,分析RVM回归分析的拟合和泛化能力并与支持向量机(SVM,Support Vector Machine)回归模型作了比较。结果表明,SVM对样本数据的拟合能力优于RVM。但对于非训练样本,RVM的泛化能力要优于SVM,而且RVM模型更加稀疏,且在给出预测值的同时能够给出预测值的置信区间。

引用

页码：73 / 78

页数：6

共 7 条

[1]

基于贝叶斯学习的关联向量机及其在软测量中的应用 [J].