基于扩展SMO求解核函数非正定的SVR模型算法

• 作者: 余泉 周锦程 张维 王丹
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 非正定核 损失函数 序列最小最优化算法 回归型支持向量机模型
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 人工智能与智能控制
• 页码范围: 122-127
• 分类号: TP18
• 字数: 4758字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.03.023

摘要

将求解SVC模型的算法运用到求解SVR模型中一般要SVR模型的核函数正定且满足Mercer条件,而实际应用中利用几何框架将SVC模型转换成相应的SVR模型时,通常无法保证经转换得到的SVR模型的核函数具有正定性,从而导致SVR模型不是凸规划模型而无法求解.为解决上述问题,本文提出了一种运用扩展的序列最小最优化方法(SMO)来求解基于非正定核的SVR模型,设计了算法中工作集的选择准则,解决了算法中如何选择工作集变量当前的最优值问题.由于该算法不要求核函数具有正定性,从而拓宽了SVR模型核函数的选择范围.实验表明,该算法对基于正定或非正定核的SVR模型都具有很好的泛化性能和回归精度,具有一定的理论意义和实用价值.