自适应迭代最小二乘支持向量机回归算法

被引：32

作者：

杨滨 ^{[1
]}

杨晓伟 ^{[1
,2
]}

黄岚 ^{[1
]}

梁艳春 ^{[1
]}

周春光 ^{[1
]}

吴春国 ^{[1
,3
]}

机构：

[1] 吉林大学计算机科学与技术学院国家教育部符号计算与知识工程重点实验室

[2] 华南理工大学理学院数学系

[3] 中国科学院自动化研究所模式识别国家重点实验室

来源：

电子学报 | 2010年 / 38卷 / 07期

关键词：

支持向量机; 自适应; 迭代; 回归; 最小二乘;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.

引用

页码：1621 / 1625

页数：5

共 12 条

[1]

基于最小二乘支持向量机的比特分配算法 [J].