稀疏结构化最小二乘双支持向量回归机

• 作者: 闫丽萍 陈文兴 马家军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 最小二乘双支持向量回归 结构风险最小化 稀疏性 不完全Choesky分解 大规模
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 热点与综述
• 页码范围: 10-14
• 页数: 5页
• 分类号: TP181
• 字数: 11387字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0300

摘要

最小二乘双支持向量回归机(LSTSVR)通过引入最小二乘损失将双支持向量回归机(TSVR)中的二次规划问题简化为两个线性方程组的求解,从而大大减少了训练时间.然而,LSTSVR最小化基于最小二乘损失的经验风险易导致以下不足:(1)"过学习"问题;(2)模型的解缺乏稀疏性,难以训练大规模数据.针对(1),提出结构化最小二乘双支持向量回归机(S-LSTSVR)以提升模型的泛化能力;针对(2),进一步利用不完全Choesky分解对核矩阵进行低秩近似,给出求解S-LSTSVR的稀疏算法SS-LSTSVR,使模型能有效地训练大规模数据.人工数据和UCI数据集中的实验证明SS-LSTSVR不但可以避免"过学习",而且能够高效地解决大规模训练问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈文兴	宁夏大学数学统计学院	5	12	2.0	3.0
2	闫丽萍	西安电子科技大学数学与统计学院	2	4	1.0	2.0
3	马家军	西安电子科技大学数学与统计学院	1	1	1.0	1.0