基于梯度信息的最小二乘支持向量回归机(1).pdfVIP

下载本文档

2
0
约1.89万字
约 6页
2017-10-18 发布于北京
举报
版权申诉

基于梯度信息的最小二乘支持向量回归机(1).pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

No．1 第35卷第1期南京理工大学学报(自然科学版) V01．35 Journalof ofScienceand 2011年2月 NanjingUniversity Technology(NaturalScience) Feb．201l 基于梯度信息的最小二乘支持向量回归机周晓剑，马义中，刘利平，汪建均 (南京理T大学经济管理学院，江苏南京210094) 摘要：为了解决传统最小二乘支持向量回归机(LS—SVR)对训练样本量要求过高的问题。提出了基于梯度信息的支持向量回归机(GE—LS．SVR)模型。通过修改目标函数及约束条件，将梯度信息引入模型的构建中，重新构造了决策函数。采用了三个基准函数对模型进行了验证，并用三个常用度量准则对实验结果进行了比较。结果表明提出的模型能在较少样本的情况下达到较为理想的回归精度。关键词：支持向量机；最小二乘支持向量回归机；梯度信息；计算机试验中图分类号：TPl8文章编号：1005—9830(2011)ol一0138—06 Gradient-enhancedLeast Vector SquaresSupportRegression ZHOU Xiao-jian，MA Yi—zhong，LIULi—ping，WANGJian-jun ofEconomicsand (School Management，NUST，Nanjing210094，China) solve of Abstract：Tothe the numberof to the problem larger samplesbeingrequiredimprove intheleast vector modelof regressionaccuracy squaressupportregressions(LS-SVR)，a gradient-en- hancedleast vector the squaressupport regression(GE—LSS—VR)isproposed．Afterchanging functionsandconstraint isintroducedintothe the objective conditions，thegradient model，and functionis decision reconstructed．Threebenchmarkfunctionsareusedto themodel．Three verify measurementcriterionsare to commonly—used used the results．Theresults compareexperimental showthatthemodel herecanachieveanideal