基于均匀试验设计的支持向量回归参数选择方法

被引：18

作者：

李明山 ^{[1
]}

王正明 ^{[1
]}

张仪 ^{[2
]}

机构：

[1] 国防科学技术大学数学与系统科学系

[2] 部队分队

来源：

系统仿真学报 | 2008年 / 08期

关键词：

支持向量机; 非线性回归; 参数选择; 均匀设计; 偏最小二乘;

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：

支持向量机通过引入核函数将低维空间的非线性问题转化为高维空间的线性问题,克服了维数灾难,并展现了极好的学习能力。但是在支持向量回归分析中,核函数的选取和模型参数的选择目前都没有十分有效的方法。针对高斯核函数的情况,首先通过理论分析和数值仿真,给出了模型参数的选取范围,然后结合均匀试验设计和偏最小二乘回归,提出了一种快速有效的模型参数选择方法。理论分析和实例计算表明该方法选取的模型参数确实能够得到泛化能力较好的回归模型。

引用

页码：2195 / 2199

页数：5

共 7 条

[1]

核函数方法及其模型选择 [J].