一种模糊最小二乘孪生支持向量回归机的改进算法

• 作者: 唐辉军 杨志民
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 最小二乘孪生支持向量机 模糊隶属度 正则化 增量学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法
• 页码范围: 281-286
• 页数: 6页
• 分类号: TP18
• 字数: 4523字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.04.052

摘要

模糊最小二乘孪生支持向量机模型融合了模糊函数和最小二乘孪生支持向量机算法特性,以解决训练数据集存在孤立点噪声和运算效率低下问题.针对回归过程基于统计学习结构风险最小化原则,对该模型进行L2范数正则化改进.考虑到大规模数据集的训练效率问题,对原始模型进行了L1范数正则化改进.基于增量学习特性,对数据集训练过程进行增量选择迭加以加快训练速度.在UCI数据集上验证了相关改进算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐辉军	宁波大红鹰学院信息工程学院	18	17	3.0	3.0
2	杨志民	浙江工业大学之江学院	15	149	8.0	12.0