一种改进的相关向量回归方法

• 作者: 周阳 杨飚
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 相关向量机 非线性回归 最小截平方和估计 似然函数 鲁棒性
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 研究简报
• 页码范围: 241-244,249
• 页数: 5页
• 分类号: TP18
• 字数: 4233字
• 语种: 中文

摘要

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法.当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型.随着异常点增加,求得的回归模型的泛化能力下降.针对这种情况,实现了一种改进的相关向量回归方法.首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型.通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨飚	北方工业大学机电工程学院	15	43	4.0	6.0
2	周阳	北方工业大学机电工程学院	3	11	2.0	3.0