单参数支持向量回归算法

• 作者: 侯振挺 吴今培 孙德山 肖健华
• 来源期刊: 系统工程学报
• 学科: 工学
• 关键词: 支持向量机 回归 损失函数 混沌时间序列
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 短文
• 页码范围: 109-112
• 页数: 4页
• 分类号: TP18
• 字数: 2784字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5781.2005.01.018

摘要

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点.这种方法已广泛用于解决分类和回归问题.在回归中,标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数.为了减小学习复杂性,给出一种单参数约束下的支持向量回归算法,该算法能够减少支持向量的数量,提高程序的运行速度.最后,以一个混沌时间序列预测为例,所给方法同标准支持向量回归算法进行了比较,运行速度明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖健华	五邑大学智能技术与系统研究所	91	1162	18.0	30.0
2	侯振挺	中南大学数学科学与计算技术学院	83	397	10.0	17.0
3	吴今培	五邑大学智能技术与系统研究所	77	1677	23.0	38.0
4	孙德山	辽宁师范大学数学学院	66	560	13.0	21.0