加权支持向量回归的权值确定方法.pdfVIP

第 l9卷 第 6期 计 算 机 技 术 与 发 展 VO1．19 No．6 2009年 6月 COIXTPUTER TFCHNOI．(X~Y AND DEVE1OPMENT Jtide 2009 加权支持 向量 回归的权值确定方法 吴金花，孙德山 (辽宁师范大学数学学院，辽宁 大连 116029) 摘 要 ：针对标准支持向量回归中由于噪声和野点造成的回归误差，提 出了一种基于线性规划的权值确定方法。该方法 的基本思想是首先根据样本偏离数据域距离的不同，采用线性规划下的一类分类算法得到一个权值确定函数 ，然后将得 到的权值确定函数应用于加权支持向量回归，加权的 目的足 了减弱噪声和野点对回归结果的影响。实验表明，该权值 确定方法与标准支持向量回归相比，可以有效减小回归误差，提高支持向量机抗噪声的能力。 关键词：支持向量回归；线性规划；权值 中图分类号 ：TPI81 文献标识码 ：A 文章编号：1673—629X(2009)06—0135—03 AnApproachofConfirm ingW eightValuesforReweighted SupportVectorRegression WUJin—hua，SUN De．shan (InstituteofMathemati~，LiaoningNormalUniversity，Dalian116029，China) Abstract：Inordertoovercomethee丌0rofregressionaccusedbynoiseandoutliersinstandardsupportvectorregression。anapproachof confirmingweightvaluesbasedOnlinearprogrammingispresented．Theesentialideaoftheapproachistoreducetheinfluencecause[1by n0iseandoutliersinsupportvectorregression．Firstly。theweightvalueofeach inputsampleisconfirmedaccording toitsdistanceto databasebylinearprogramming．Theproposedmethodisappliedtoreweightedsupportvec幻rregression．Experimentalresultsshow that thisapproachcomparedwithstandardsupportvectorregressioncanrdeucetheelTorofregressioneffectively。andimprovetheanti—noise capabilityofSVM ． Keywords：supportvectorregression；1inearprogramming ；weightvalue 0 引 言 算法。在 ￡一SVR中，输入样本被等同对待 ，每个样本 支持向量机(SuplmrtVectorMachine，SVM)【’2J是 的松弛项被赋予相同的惩罚因子 ，所 以当样本中存在 20世纪90年代 ]~oser，Guyon，Vapnik提出的一种基于 噪声和野点时，导致 SVM在这些点较为敏感 ，由此产 统计学习理论L3’4J的机器学习算法 ，它不存在局部极 生过拟合现象。 小问题 ，其计算复杂性与输入样本的维数无关 ，具有很 针对这种情况，2002年 LinCF等将模糊隶属度 的概念引入到 SVM分类中，提出了模糊支持 向量机 强的泛化能力