基于自适应核参数优化的小波核相关向量机算法

• 作者: 张伟 许爱强 高明哲
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相关向量机 小波核函数 自适应参数优化 增量学习 稀疏度先验
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 245-249
• 页数: 5页
• 分类号: TP301.6
• 字数: 3735字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.09.043

摘要

传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间.为此,基于自适应核参数优化,提出一种小波核相关向量机算法.以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适应优化.将提出算法应用于混沌时间序列预测及UCI数据集分类实验,结果表明,自适应参数优化小波相关向量机算法在预测精度、训练速度上均优于传统相关向量机算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许爱强	海军航空工程学院科研部	127	683	12.0	21.0
2	张伟	海军航空工程学院科研部	34	143	5.0	10.0
3	高明哲	海军航空工程学院科研部	11	26	3.0	4.0