基于自适应边界向量提取的多尺度V-支持向量机建模

摘要：

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。

关键词：大样本建模、边界向量提取、多尺度学习、V-支持向量机

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61203021；辽宁省科技攻关项目2011216011

在线出版日期：2015-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：721-726