一种可自适应分组的多输入多输出支持向量机算法
针对不同输出端之间相关程度的差异对多输入多输出回归模型泛化能力的影响,提出了一种基于自适应分组的多输入多输出支持向量机算法.该算法基于相关性强的输出端其模型参数也较相似的假设,首先在多维支持向量机的基础上引入带分组结构的正则项,进而将上述正则化问题转变为混合0-1规划;其次,采用交替优化的方法,使相关性强的输出端在同一个分组内进行独立训练,最终自适应地识别最优分组结构和模型参数.分别采用仿真数据和圆柱壳振动工程数据对所提算法进行测试,结果表明,该算法可有效辨识出输出端的相关度,与传统算法相比,该算法可有效提高支持向量机回归模型的泛化能力.
支持向量机、自适应分组、混合0-1规划
47
TP181(自动化基础理论)
国家自然科学基金资助项目U1204609;河南省基础与前沿技术研究计划资助项目122300410111
2013-07-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
50-54,72