非稀疏多核组合的支持向量回归方法
为了改善支持向量回归机的性能,提出一种利用多核学习解决回归问题的算法(NS-MKR).算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这2个步骤交替进行,直到满足事先定义的收敛准则.在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,提出的算法有更好的泛化性能.
多核学习、支持向量回归、非稀疏核组合、两步优化
47
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目11301106;广西自然科学基金资助项目2014GXNSFAA1183105;广西高校科研重点项目资助ZD2014147;桂林航天工业学院科研基金资助项目Y12Z028
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
91-97