采用加速减量策略的快速在线支持向量回归算法 fast online support vector regression algorithm based on accelerated decremental strategy.pdfVIP

下载本文档

13
0
约2.11万字
约 6页
2017-08-12 发布于上海
举报
版权申诉

采用加速减量策略的快速在线支持向量回归算法 fast online support vector regression algorithm based on accelerated decremental strategy.pdf

1、本文档共6页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

采用加速减量策略的快速在线支持向量回归算法 fast online support vector regression algorithm based on accelerated decremental strategy

第23卷第12期电子测量与仪器学报场￡23No．12 2009年12月 joURNALoFELEcTRoN|CMEAsUREMENTANDINSTRUMENT · 27· 采用加速减量策略的快速在线支持向量回归算法半刘大同1 彭喜元1 于江2 陈强2 (1．哈尔滨工业大学自动化测试与控制研究所，哈尔滨150080；2．中国移动通信集团黑龙江有限公司，哈尔滨150028) 摘要：针对在线支持向量同归(onlinevector SVR)算法进行复杂时间序列精确预测时效率较低的 supportregression，online 问题，提出一种改进减量训练策略的快速预测方法，通过对非支持向量样本的采样选择，采取加速减量训练实现对在线训练数据集规模的缩减，从而达到快速在线训练和预测的目的．将该算法应用于黑龙江移动通信话务量数据的预测中，实验结果表明，在保持OnlineSVR预测精度的条件下，算法执行效率得到大幅提高。关键词：移动通信：话务量预测：在线支持向量回归：减量算法：快速时间序列预测中图分类号：TP391 文献标识码：A 国家标准学科分类代码：510．4030 Fastonline vector based supportregressionalgorithm on accelerateddecremental strategy Liu Yu Chen Daton91PengXiyuanlJian92 Qian92 and ln5；tituteof 1 Test ControlInstitute，Harbin 50080，China (1．Automatic Technology,Harbin 2．ChinaMobileCommunications Co．Ltd，Harbin CorporationHeilongjiang 150028，China) Abstract：Tothelow of timeseries withOnline Vector improveefficiencycomplicatedprediction SupportRegres- fast SVRmethodwithanacceleratedis the selects sion(OnlineSVR)，aOnline strategyproposed．Firstlyapproach vectorsasthedecrement thenanaccelerateddecrementalisusedtoreducetheonline non—support samples，and training the increaseswithlessonlinedataset．Thenew is dataset．Asa of method training result，theefficiency approachap- to series withdata ChinaMobileCommunications