非线性回归支持向量机的SMO算法改进

• 作者: 姜晓爱 赵长春 金英汉
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 支持向量机 回归 非线性数据 非线性函数 序列最小优化算法
• 年，卷（期）: 2014,（1）
• 页码范围: 125-130
• 页数: 6页
• 分类号: TP301.6
• 字数: 4708字
• 语种: 中文

摘要

为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化(SMO,Sequential Minimal Optimization)算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵长春	北京航空航天大学航空科学与工程学院	2	30	2.0	2.0
2	姜晓爱	北京航空航天大学航空科学与工程学院	2	27	1.0	2.0
3	金英汉	西北工业大学航天学院	2	36	2.0	2.0