新型鲁棒孪生支持向量回归机

摘要：

回归问题是模式识别与机器学习领域的基本问题之一,孪生支持向量回归机(TSVR)是在支持向量回归机(SVR)基础上发展而来的一种处理回归问题的新算法,它在处理无噪声数据时表现出较好的性能,但在处理有噪声数据时往往性能不佳.为了降低噪声对孪生支持向量回归机性能的影响,结合 ε-不敏感损失函数与Huber损失函数构造了混合Hε损失函数,该损失函数可以有效地适应于不同分布类型的噪声;然后基于混合Hε损失函数和结构风险最小化(SRM)原则提出了一种鲁棒的孪生支持向量回归机(Hε-TSVR),并在原始空间中利用牛顿迭代法求解模型.分别在有噪声和无噪声的人工数据集、UCI数据集上进行实验,与支持向量回归机和孪生支持向量回归机等算法比较,实验结果验证了所提算法的有效性.

关键词：模式识别、支持向量回归机(SVR)、孪生支持向量回归机(TSVR)、损失函数

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;安徽省自然科学基金;安徽省自然科学基金;安徽省高校自然科学研究重点项目

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1157-1167