直接支持向量回归机-中国学术期刊网络出版总库

中国学术期刊网络出版总库

直接支持向量回归机

推荐 CAJ下载

【英文篇名】	Direct support vector machine for regression
【下载频次】	★★★★★
【作者】	杜喆; 刘三阳; 吴青;
【英文作者】	DU Zhe; LIU San-yang; WU Qing(Dept.of Applied Mathematics; Xidian Univ.; Xi'an 710071; China);
【作者单位】	西安电子科技大学数学科学系;
【文献出处】	系统工程与电子技术 , Systems Engineering and Electronics, 编辑部邮箱 2009年 01期期刊荣誉：中文核心期刊要目总览 ASPT来源刊中国期刊方阵 CJFD收录刊
【中文关键词】	支持向量机; 直接支持向量机; 回归; 正定矩阵;
【英文关键词】	support vector machine; direct support vector machine; regression; positive definite matrix;
【摘要】	将超平面偏置项平方加入到最小二乘支持向量回归机(LSSVMR)的目标函数中,提出直接支持向量回归机(DSVMR)。该方法增强了求解问题的凸性,与LSSVMR相比,只需要求解一个与核矩阵类似的对称正定矩阵的逆就可以得到问题的解,再使用Cholesky分解和SMW(Sherman-Morrison-Woodbury)求逆公式,降低了计算复杂度,加快了学习速度,而且逼近能力与LSSVMR近乎相同。最后数值试验表明DSVMR可行且完全具有上述优势。
【英文摘要】	A direct support vector machine for regression(DSVMR) is obtained when appending the square bias of the hyper-plane into the object function in a least square support vector machine for regression(LSSVMR).Compared with LSSVMR,the DSVMR strengthens the convexity of the problem to be solved and only needs to calculate the inversion of a symmetrical positive definite matrix which is similar to a kernel matrix.The Cholesky decomposing and the SMW(Sherman-Morrison-Woodbury) formula are employed to reduce the com...
【基金】	国家自然科学基金资助课题(60574075,60705004)
【更新日期】	2009-02-20
【分类号】	TP181
【正文快照】	0引言支持向量机[1-2](support vector machine,SVM)是基于统计学习理论的一种新机器学习方法,因有着良好的性能而形成研究热点。SVM最早是针对模式识别问题提出的,随着对ε不敏感损失函数的引入,SVM被推广到回归估计并展现了极好的学习性能[2],在金融时间序列预测、系统建模等

xxx

【读者推荐文章】

中国期刊全文数据库中国博士学位论文全文数据库中国优秀硕士学位论文全文数据库中国重要会议论文全文数据库

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　

自动化技术、计算机技术
　　

自动化基础理论
　　　

人工智能理论
　　　　

自动推理、机器学习


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

文献分类导航