基于粗糙集的支持向量回归机混合算法

• 作者: 杜启亮 毛宗源 王钦若 邓九英
• 来源期刊: 中国石油大学学报(自然科学版)
• 关键词: 支持向量回归机 SMO回归算法 边界样本集 粗糙集
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 自动控制与信息技术
• 页码范围: 159-163
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:1673-5005.2009.05.033

摘要

利用粗糙集(RS)对不精确数据的处理能力,生成分类数据的边界集,替代原始样本作为训练集,减少训练集与获取的支持向量的数量,然后使用支持向量机的最小序列优化(SMO)算法改进回归学习机的性能.将粗糙集与SMO回归算法结合提出一种混合函数回归算法RS-SMO-RA.在常用SMO回归算法SMO-RA基础上,扩增一段简短的生成边界样本的算法程序.仿真结果表明,算法RS-SMO-RA的效率更高,且能够改进学习结果的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王钦若	广东工业大学自动化科学与工程学院	197	884	14.0	22.0
2	毛宗源	华南理工大学自动化科学与工程学院	245	4135	35.0	52.0
3	邓九英	广东工业大学自动化科学与工程学院	6	34	5.0	5.0
5	杜启亮	华南理工大学自动化科学与工程学院	43	176	8.0	10.0