回归函数的小波支持向量机鲁棒估计法

• 作者: 吴行标 张兴敢 张晓光 耿道华
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 容许支持向量核 离群点 M-估计 回归函数
• 年，卷（期）: 2006,（5）
• 页码范围: 528-534
• 页数: 7页
• 分类号: TP18
• 字数: 4221字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2006.05.012

摘要

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓光	南京大学电子科学与工程系	174	1037	16.0	24.0
3	张兴敢	南京大学电子科学与工程系	100	853	16.0	24.0
6	吴行标	中国矿业大学机电工程学院	2	10	2.0	2.0