支持向量回归增量学习
针对支持向量回归因时空复杂度较高而无法处理大规模数据的问题,提出了一个新颖的增量学习模型——L增量v支持向量回归(L Incremental v Support Vector Regression,LISVR).该模型针对支持向量丢失所产生的不利影响,通过不断对支持向量样本加权并及时淘汰非支持向量,降低了时空复杂度.从理论上证明了算法可收敛到全局最优解.结合人工数据集、UCI数据集和机场噪声的实际问题对该算法做了相应测试,结果验证了算法的有效性.
支持向量回归、支持向量、增量学习、机场噪声
41
TP391.4(计算技术、计算机技术)
国家自然科学基金61139002
2014-07-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
166-170