融合先验知识的支持向量机回归方法

• 作者: 刘小飞 王建东
• 来源期刊: 信息化研究
• 学科: 工学
• 关键词: 支持向量机 回归 样本数据 先验知识
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 研究与设计
• 页码范围: 46-48,54
• 分类号: TP391
• 字数: 3045字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-4888.2011.01.012

摘要

类似大多数基于统计的纯数据驱动机器学习方法一样,标准支持向量机回归也是建立在对纯样本数据学习基础上的,需要足够多标记好的样本数据才能保证模型的性能,当样本数据集趋于无穷大时,学习模型也越趋向于真实模型.然而在实际应用中,这个条件往往很难得到满足.如果能将样本数据的先验知识融合到支持向量机回归中,就可以弥补样本不足的缺陷.本文提出一种融合先验知识的支持向量机回归方法,给出了理论推导的一般形式,并通过实验证明该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建东	南京航空航天大学信息科学与技术学院	158	1573	21.0	31.0
2	刘小飞	南京航空航天大学信息科学与技术学院	1	4	1.0	1.0