一种新型回归支持向量机的学习算法

• 作者: 张浩然 张长江 徐秀玲 汪晓东
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 统计学习理论 支持向量机 学习算法 回归 二次型规划
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 168-173
• 页数: 6页
• 分类号: TP183
• 字数: 3696字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2006.02.014

摘要

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种具有很好泛化性能的回归方法,本文对标准支持向量机稍作改动,提出了一种新型回归支持向量机,并推导出它的对偶表达方式,随后利用一个优化定理设计了一个多变量更新学习算法,该算法能单调收敛于极值点,并具有简单的迭代方式,仿真实例说明所提出的回归支持向量机及其训练算法具有较好的学习性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪晓东	浙江师范大学信息科学与工程学院	62	1198	16.0	33.0
2	张长江	浙江师范大学信息科学与工程学院	58	423	13.0	17.0
3	张浩然	浙江师范大学信息科学与工程学院	46	819	13.0	28.0
4	徐秀玲	浙江师范大学信息科学与工程学院	1	20	1.0	1.0