基于特征值分解的最大间隔支持向量回归机
广义特征值中心支持向量回归机(GEPSVR)是一种有效的核回归算法，但其在求解优化问题时易导致奇异性问题.为此，提出一种基于特征值分解的支持向量回归机，简称IGEPSVR.与GEPSVR相比， IGEPSVR的主要优势有：结合最大间隔准则和GEPSVR几何思想给出了新的距离度量准则；在优化模型中引入Tikhonov正则项，克服了可能产生的奇异性问题；IGEPSVR仅需求解两个标准特征值，降低了计算复杂度.实验结果表明，较GEPSVR算法， IGEPSVR不仅提高了学习能力，而且缩短了训练时间.
支持向量回归机、广义特征值中心支持向量机、非平行不敏感函数、特征值分解
TP391(计算技术、计算机技术)
国家自然科学基金项目11201426,11071252,61203133；浙江省自然科学基金项目LQ12A01020, LQ13F 030010；浙江省教育厅科研基金项目Y201225179, Y201225256
2013-12-04（万方平台首次上网日期，不代表论文的发表时间）
共5页
1817-1821
