10.3969/j.issn.1001-506X.2016.01.32
改进的v-支持向量回归机的v解路径算法
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。
机器学习、模型选择、v-支持向量回归机、v解路径
TP181(自动化基础理论)
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
2016-03-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
205-214