基于自适应边界向量提取的多尺度V-支持向量机建模
针对??-支持向量机(??-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度??-SVM建模方法。该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩减训练样本规模,并通过求解多尺度??-SVM二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近。仿真结果表明,基于边界向量提取的多尺度??-SVM比??-SVM具有更好的回归结果。
大样本建模、边界向量提取、多尺度学习、V-支持向量机
TP181(自动化基础理论)
国家自然科学基金项目61203021;辽宁省科技攻关项目2011216011
2015-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
721-726