基于支持向量机的大样本回归算法比较研究

被引：3

作者：

杨晓伟 ^{[1
]}

骆世广 ^{[1
]}

余舒 ^{[2
]}

吴春国 ^{[3
]}

梁艳春 ^{[3
]}

机构：

[1] 华南理工大学数学科学学院

[2] 华南理工大学计算机科学与工程学院

[3] 吉林大学计算机科学与技术学院

来源：

计算机工程与应用 | 2006年 / 06期

基金：

广东省自然科学基金;

关键词：

支持向量机; 自适应迭代回归算法; 核递归最小二乘算法; 大样本回归;

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：

支持向量机的研究是当前人工智能领域的研究热点。基于支持向量机的大样本回归问题一直是一个非常具有挑战性的课题。最近,基于递归最小二乘算法,Engel等人提出了核递归最小二乘算法。文中基于块增量学习和逆学习过程,提出了自适应迭代回归算法。为了说明两种方法的性能,论文在训练速度、精度和支持向量数量等方面,对它们做了比较。模拟结果表明:核递归最小二乘算法所得到的支持向量个数比自适应迭代回归算法少,而训练时间比自适应迭代回归算法的训练时间长,训练和测试精度也比自适应迭代回归算法差。

引用

页码：36 / 38+57 +57

页数：4