基于自适应核参数优化的小波核相关向量机算法

摘要：

传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间.为此,基于自适应核参数优化,提出一种小波核相关向量机算法.以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适应优化.将提出算法应用于混沌时间序列预测及UCI数据集分类实验,结果表明,自适应参数优化小波相关向量机算法在预测精度、训练速度上均优于传统相关向量机算法.

关键词：相关向量机、小波核函数、自适应参数优化、增量学习、稀疏度先验

所属期刊栏目：43

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：245-249