加权光滑投影孪生支持向量回归算法

摘要：

现有双边移位投影孪生支持向量回归(PPTSVR)算法在训练阶段没有考虑不同位置样本对超平面构造的影响,当样本中存在异常点时会降低算法拟合性能.针对该问题,提出一种加权光滑投影孪生支持向量回归算法.采用孤立森林法赋予每个样本不同的权值,并且赋予样本中异常点很小的权值,通过将权值引入算法目标函数,削弱异常点对超平面构造的影响.为直接在原空间中寻求最优超平面,引入正号函数,将有约束优化问题转化为无约束优化问题,并采用Sigmoid光滑函数对目标函数进行光滑处理,证明其任意阶可微且严格凸的特性,进而在原空间中采用牛顿迭代法进行求解.在基准数据集和人工测试函数上的实验结果表明,该算法相比于现有代表性回归算法具备更好的拟合性能和更快的训练速度,尤其当训练样本中存在异常点时,相比于PPTSVR算法拟合性能提升更明显.

关键词：投影、孪生支持向量回归、孤立森林、Sigmoid光滑函数、牛顿迭代法

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61773182

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：104-111,118