自调用支持向量回归和偏最小二乘优化支持向量机参数
参数选择是支持向量分类、回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时.将均匀设计(UD)分别与自调用支持向量回归(SVR)、偏最小二乘回归(PLR)结合,提出了两种将大样本搜索转化为小样本搜索的策略UD-SVR和LID-PLR:在默认搜索范围内由均匀设计产生部分参数组合,每组合对训练集经交叉测试得评价指标(对分类为准确率,对回归为均方误差);以评价指标为目标函数,对部分参数组合形成的小样本,UD-SVR自调用支持向量回归以留一法进行大范围搜索建模,UD-PLR以PLR直接建模,并预测默认范围内所有参数组合;取预测评价指标最优的对应参数组合训练大样本,完成独立预测.对8个基准分类教据集、8个回归数据集的独立预测表明,两种新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案,UD-SVR比UD-PLR更具鲁棒性.
均匀设计、支持向量回归、偏最小二乘、大样本、参数选择
31
TP391(计算技术、计算机技术)
国家自然科学基金项目30570351;教育部新世纪优秀人才计划项目NCET-06-0710;湖南农业大学青年基金项目06QN07;湖南省教育厅科研项目09C514
2011-01-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
1815-1819