中国学术期刊网络出版总库
  关闭
利用矢量基学习和自适应迭代算法改进LSSVR  
   推荐 CAJ下载 PDF下载
【英文篇名】 Using vector-base learning and adaptive iterative algorithm to improve LSSVR
【下载频次】 ★★★★
【作者】 王鲜芳; 杜志勇;
【英文作者】 WANG Xianfang 1; DU Zhiyong 2 1.School of Computer and Information Technology; Henan Normal University; Xinxiang; Henan 453007; China 2.Henan Mechanical and Electrical Engineering College; China;
【作者单位】 河南师范大学计算机与信息技术学院; 河南机电高等专科学校;
【文献出处】 计算机工程与应用 , Computer Engineering and Applications, 编辑部邮箱 2012年 06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】 矢量基; 自适应迭代算法; 支持向量稀疏性;
【英文关键词】 vector-base; adaptive iterative algorithm; support vector sparsely;
【摘要】 针对最小二乘支持向量回归缺乏传统SVR的稀疏性和鲁棒性等问题,综合矢量基学习和自适应迭代算法的优势,提出了一种改进的加权最小二乘支持向量回归算法(LSSVR)。该算法通过引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量集,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性;同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。实验结果表明,改进的LSSVR具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。
【英文摘要】 Combining the advantages of the vector-based learning and adaptive iterative algorithm,an improved weighted Least Squares Support Vector Regression(LSSVR)is proposed to solve the problems of the least squares support vector regression methods, such as lacking of sparsely and robustly.During the training process of algorithm,the vector-base learning and automatic iterative procedures are introduced and a small support vector set can be obtained adaptively.This method can avoid the error accumulation during t...
【基金】 国家自然科学基金(No.61173071); 河南省基础与前沿技术研究计划项目(No.112300410254); 河南省科技攻关计划项目(No.112102210412); 河南师范大学10博士科研启动课题(521)
【更新日期】 2012-03-13
【分类号】 TP181
【正文快照】 1引言支持向量回归[1](SVR)融合结构风险最小化原理、最优化理论和核函数映射等几项技术,有效地解决了小样本、非线性、高维数、局部极小等问题,在很多领域得到了成功的应用[2-5]。但由于标准的SVR在求解最优化问题时,存在求解二次规划,当处理海量数据和在线训练时存在计算量大

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
【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