基于迭代加权线性模型的网络回归算法

• 作者: 张培倩 王志海
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 网络数据 自相关性 回归预测 加权回归 迭代
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 166-170
• 页数: 5页
• 分类号: TP18
• 字数: 4886字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.06.036

摘要

传统的机器学习算法难以有效处理具有自相关性的网络数据,而已有的网络学习算法多为分类算法,回归算法较少.为解决网络数据中的回归预测问题,考虑数据实例间的自相关性,提出一种迭代加权线性回归算法(IWR).该算法采用迭代分类算法的集体学习框架,每步迭代中将待预测实例逐个输入局部回归模型以更新目标属性值,直至达到既定目标.在空间网络和社会网络的数据集合上进行实验,结果表明,与传统回归算法及NCLUS算法相比,IWR算法可以有效减小预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0
2	张培倩	北京交通大学计算机与信息技术学院	1	2	1.0	1.0