精确增量式ε型孪生支持向量回归机

摘要：

为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的二次损失对原有样本的影响,使得大部分原有样本依然满足Karush-Kuhn-Tucker(KKT)条件,从而获得一个有效的初始状态;其次对异常拉格朗日乘子逐步调整至满足KKT条件;然后从理论上分析了AIETSVR的可行性和有限收敛性;最后在基准测试数据集上进行仿真.结果表明,与现有的代表性算法相比,AIETSVR能够获得精确解,在缩短大规模数据集的训练时间上优势显著.

关键词：机器学习、增量学习、在线学习、孪生支持向量回归机、学习算法、可行性分析、有限收敛性分析

所属期刊栏目：39

分类号：TP301.6;TP181;O212.4

资助基金：国家自然科学基金61773182

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1020-1032