基于聚类算法的支持向量回归建模的新策略

• 作者: 王玲 穆志纯 郭辉
• 来源期刊: 信息与控制
• 关键词: 自组织特征映射 k均值 聚类算法 加权 支持向量回归
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 34-37,42
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2006.01.008

摘要

针对支持向量机对时变的样本集采用单一模型建模困难的问题,提出了一种新的学习策略.首先,使用自组织映射(SOM)神经网络和k-means聚类算法对初始样本集合进行聚类.然后,针对每个聚类数据集合,通过最优加权组合不同核函数的支持向量回归模型建立最终的模型.实验表明,采用这种学习策略的建模精度要优于单一支持向量回归建模方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆志纯	北京科技大学信息工程学院	140	1211	16.0	24.0
2	王玲	北京科技大学信息工程学院	49	475	10.0	20.0
3	郭辉	北京科技大学信息工程学院	9	294	6.0	9.0