改进的加权型支持向量回归方法

被引：1

作者：

李忠浩

王宇

机构：

[1] 大连理工大学管理学院

来源：

计算机辅助工程 | 2006年 / 01期

关键词：

支持向量机; 回归; 凸函数; 核函数;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析现有支持向量回归方法的缺点和不足,给出一种改进的加权型支持向量回归方法及其Wolfe对偶形式.引入凸函数降低对核函数的要求,并讨论当这些凸函数取不同形式时支持向量回归机的变形,为得到更为灵活的回归曲线提供有效工具.同时对广泛的支持向量回归模型、优化支持向量模型的泛化能力和运算速度等方面进行讨论.

引用

收藏

页码：31 / 33

页数：3

相关论文

共 5 条

[1] 改进的支持向量回归机 [J].

阎满富 ;

田英杰 .

系统工程, 2004, (10) :9-12

[2] 支持向量机研究与应用 [J].

王晓丹 ;

王积勤 .

空军工程大学学报(自然科学版), 2004, (03) :49-55

[3] 回归型加权支持向量机方法及其应用 [J].

杜树新 ;

吴铁军 .

浙江大学学报(工学版), 2004, (03) :47-51

[4] ε-descending support vector machines for financial time series forecasting [J].

Tay, FEH ;

Cao, LJ .

NEURAL PROCESSING LETTERS, 2002, 15 (02) :179-195

[5]

Fuzzy support vector machines .2 Lin C F,Wang S D. IEEE Trans on Neural Networks . 2002