基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统支持向量回归机缺乏鲁棒性而鲁棒支持向量回归机稀疏性不理想,提出了新的支持向量回归方法(鲁棒双子支持向量回归)。为了求解的方便,该方法的损失函数由两个可微的凸函数构成,并且采用CCCP技术对其进行求解。该方法在获得良好稀疏性的同时有效地抑制了过失误差的影响。通过人工数据和现实真实数据对该方法的测试,验证了新方法的有效性。
推荐文章
基于粒子群优化鲁棒支持向量回归机的中长期负荷预测
中长期负荷预测
鲁棒性
支持向量机
回归估计
粒子群优化算法
新的稀疏支持向量回归机算法及实验研究
支持向量回归机
核方法
稀疏核学习
ε-支持向量回归机算法及其应用
ε-支持向量回归机
ε不敏感损失函数
图像去噪
粗糙ε-支持向量回归模型
ε-支持向量回归
粗糙边界
粗糙ε-支持向量回归
粗糙集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 鲁棒双子支持向量回归
来源期刊 计算机工程与应用 学科 工学
关键词 支持向量回归 稀疏性 鲁棒 损失函数
年,卷(期) 2014,(14) 所属期刊栏目 数据库、数据挖掘、机器学习
研究方向 页码范围 127-130,223
页数 5页 分类号 TP273
字数 4096字 语种 中文
DOI 10.3778/j.issn.1002-8331.1309-0342
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李伟春 41 39 3.0 4.0
2 应忠于 29 29 3.0 4.0
3 胡云琴 43 52 4.0 5.0
4 孙少超 9 11 2.0 3.0
5 朱麟 10 19 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (47)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量回归
稀疏性
鲁棒
损失函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导