Huber-支持向量回归机在线算法研究

摘要：

当数据规模逐渐扩大以及数据不断更新时,将传统的基于支持向量回归机(Support Vector Regres-sion,SVR)的一次性建模算法用于数据的分析处理,均需要从头开始建模,而在线学习算法可以很好地解决这一问题.文章在e-SVR在线算法的基础上,提出了一种新的Huber-SVR在线算法,采用定长的滚动窗口策略对样本进行训练,在增加一个新样本的同时删除一个旧样本,从而满足样本更新的需求,实现模型的在线学习.仿真结果表明了该在线算法的有效性,与ε-SVR在线算法相比,该算法在回归预测方面的预测误差率较低,对真实数据有较好的拟合效果.

关键词：在线算法;Huber-支持向量回归机;Huber损失函数

所属期刊栏目：37

分类号：O21(概率论与数理统计)

资助基金：国家自然科学基金资助项目;江苏省自然科学基金资助项目;南京邮电大学人文社会科学研究基金项目

在线出版日期：2021-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10-14