无偏置支持向量回归优化问题

• 作者: 丁晓剑 赵银亮
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 偏置 支持向量回归 有效集 泛化性能
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2336-2346
• 页数: 11页
• 分类号: TP18
• 字数: 7744字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.04150

摘要

为了研究偏置对支持向量回归(support vector regression,简称SVR)问题泛化性能的影响,首先提出了无偏置SVR(NBSVR)的优化问题及其对偶问题.推导出了NBSVR优化问题全局最优解的必要条件,然后证明了SVR的对偶问题只能得到NBSVR对偶问题的次优解.同时提出了NBSVR的有效集求解算法,并证明了它是线性收敛的.基于21个标准数据集的实验结果表明,在对偶问题解空间上,有偏置支持向量回归算法只能得到无偏置支持向量回归算法的次优解,NBSVR的均方根误差要低于SVR.NBSVR的训练时间不仅低于SVR,而且对核参数变化不太敏感.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵银亮	西安交通大学电子与信息工程学院	52	517	12.0	21.0
2	丁晓剑		8	10	2.0	2.0