基于梯度信息的支持向量回归机

• 作者: 周晓剑 朱嘉钢 马义中
• 来源期刊: 系统工程
• 学科: 工学
• 关键词: 支持向量机 支持向量回归机 梯度 计算机试验
• 年，卷（期）: 2010,（3）
• 页码范围: 87-92
• 页数: 6页
• 分类号: TP18
• 语种: 中文

摘要

传统的支持向量回归机(Support Vector Regression,SVR)都没有考虑到样本点处的梯度信息,因此必须通过加大训练样本的数目束提高回归精度,但由此导致的开销在计算机试验中有时是非常巨大的,从而影响了其在计算机试验中的广泛应用.针对传统SVR的不足,提出基于梯度信息的支持向量回归机(Gradient-enhanced SVR,GE-SVR).提出的模型能在较少样本的情况下达到较为理想的回归精度,因而具有一定的理论意义和实用价值.