新的稀疏支持向量回归机算法及实验研究

• 作者: 曹苏群 王士同 陈晓峰 马培勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量回归机 核方法 稀疏核学习
• 年，卷（期）: 2008,（36）
• 所属期刊栏目: 博士论坛
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP18
• 字数: 5332字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.36.006

摘要

支持向量回归机是一种解决回归问题的重要方法,其预测速度与支持向量的稀疏性成正比.为了改进支持向量回归机的稀疏性,提出了一种直接稀疏支持向量回归算法DSKR(Direct Sparse Kernel Support Vector Regression),用于构造稀疏性支持向量回归机.DSKR算法对e-SVR(e-Support Vector Regression)增加一个非凸约束,通过迭代优化的方式,得到稀疏性好的支持向量回归机.在人工数据集和真实世界数据集上研究DSKR算法的性能,实验结果表明,DSKR算法可以通过调控支持向量的数目,提高支持向量回归机的稀疏性,且具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息学院	528	3424	23.0	37.0
2	曹苏群	江南大学信息学院	12	77	5.0	8.0
6	陈晓峰	江南大学信息学院	16	103	7.0	10.0
7	马培勇	中国科学技术大学工程科学学院	16	65	4.0	7.0