基于减量学习的鲁棒稀疏最小二乘支持向量回归机

• 作者: 伞冶 朱奕 高润鹏
• 来源期刊: 探测与控制学报
• 关键词: 最小二乘支持向量回归机 鲁棒性 稀疏性 鲁棒'3σ'准则 留一误差 减量学习
• 年，卷（期）: 2011,（6）
• 页码范围: 14-21,26
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1008-1194.2011.06.004

摘要

针对最小二乘支持向量回归机缺乏鲁棒性和稀疏性,提出采用自下而上的学习方式和循环逐一删除样本框架的鲁棒稀疏算法.为增强鲁棒性,采用基于留一误差的鲁棒“3σ”准则检测并删除异常样本.为提高稀疏性,采用基于最小绝对留一误差的剪枝策略删除不重要样本.为降低计算量,采用快速留一误差和减量学习更新模型.实验结果表明:新算法有较强的鲁棒性,同时在模型泛化性能略有下降的情况下,支持向量数目大幅减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伞冶	哈尔滨工业大学控制与仿真中心	54	896	13.0	29.0
2	朱奕	哈尔滨工业大学控制与仿真中心	18	135	7.0	11.0
3	高润鹏	哈尔滨工业大学控制与仿真中心	2	8	2.0	2.0