改进的v-支持向量回归机的v解路径算法

摘要：

v-支持向量回归机（v-support vector regression，v-SVR）的对偶形式与ε-支持向量回归机的对偶形式相比增加了一个额外的不等式约束，截止目前还没有找到有效且可行的 v-SVR 的 v 解路径算法。针对 Loosli等人提出的 v-SVR 的 v 解路径算法存在路径不可更新的问题，提出了改进的 v-SVR 的 v 解路径算法。该算法基于 v-SVR 的修改形式及 Karush-Kuhn-Tucker（KKT）条件，通过引入新的变量和附加项的策略，能够有效地避免在绝缘增量调整过程中存在的冲突和异常，并最终经过有限次数迭代拟合出整个 v 解路径。理论分析和仿真结果表明，该算法是有效且可行的。

关键词：机器学习、模型选择、v-支持向量回归机、v解路径

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61273131；江苏省产学研联合创新资金项目BY201301539资助课题

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：205-214