一种模糊最小二乘孪生支持向量回归机的改进算法-计算机应用与软件.PDFVIP

第３５卷第４期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．４ ２０１８年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１８ 一种模糊最小二乘孪生支持向量回归机的改进算法 １ ２ 唐辉军 　杨志民 １（宁波大红鹰学院信息工程学院　浙江宁波３１５１７５） ２（浙江工业大学之江学院　浙江杭州３１００２４） 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Ｌ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Ｌ 范数正则化改进。基于增 ２ １ 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。 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 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．０４．０５２ ＡＮＩＭＰＲＯＶＥＤＡＬＧＯＲＩＴＨＭＯＦＦＵＺＺＹＬＥＡＳＴＳＱＵＡＲＥＳＴＷＩＮ ＳＵＰＰＯＲＴＶＥＣＴＯＲＲＥＧＲＥＳＳＩＯＮＭＡＣＨＩＮＥ １ ２ ＴａｎｇＨｕｉｊｕｎ　ＹａｎｇＺｈｉｍｉｎ １（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮｉｎｇｂｏＤａｈｏｎｇｙｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎｉｎｇｂｏ３１５１７５，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） ２（ＣｏｌｌｅｇｅｏｆＺｈｉｊｉａｎｇ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００２４，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｕｚｚｙｌｅａｓｔｓｑｕａｒｅｓｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓｍｏｄｅｌｃｏｍｂｉｎｅｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆｕｚｚｙｆｕｎｃｔｉｏｎａｎｄ ｌｅａｓｔｓｑｕａｒｅｓｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓａｌｇｏｒｉｔｈｍｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｉｓｏｌａｔｅｄｐｏｉｎｔｎｏｉｓｅａｎｄｉｎｅｆｆｉｃｉｅｎｃｙｏｆ ｔｒａｉｎｉｎｇｄａｔａｓｅｔ．Ａｃｃｏｒｄｉｎｇｔｏｒｅｇｒｅｓｓｉｏｎｐｒｏｇｒｅｓｓｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｏｆｍｉｎｉｍｉｚｉｎｇｔｈｅｒｉｓｋｏｆｓｔａｔｉｓｔｉｃａｌｌｅａｒｎｉｎｇ ｓｔｒｕｃｔｕｒｅ，ａｒｅｇｕｌａｒｉｚａｔｉｏｎｏｆＬｎｏｒｍｗａｓｉｍｐｒｏｖｅｄｆｏｒｔｈｉｓｍｏｄｅｌ．Ｔａｋｉｎｇｉｎｔｏａｃｃｏｕｎｔｔｈｅｔｒａｉｎｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆｌａｒｇｅ ２ ｓｃａｌｅｄａｔａｓｅｔｓ，Ｌｍｏｄｅｌｒｅｇｕｌａｒｉｚａｔｉｏｎｗａｓｉｍｐｒｏｖｅｄｏｎｔｈｅｏｒｉｇｉｎａｌｍｏｄｅｌ．Ｆｉｎａｌｌｙ，ｂａｓｅｄｏｎｔｈｅｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ １ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｔｈｅｄａｔａｓｅｔｔｒａｉｎｉｎｇｐｒｏｃｅｓｓｗａｓｉｎｃｒｅｍｅｎｔａｌｌｙｓｅｌｅｃｔｅｄａｎｄｓｕｐｅｒｐｏｓｅｄｔｏｓｐｅｅｄｕｐｔｒａｉｎｉｎｇ．Ｔｈｅ ｓｕｐｅｒｉｏｒｉｔｙｏｆｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｗａｓｖｅｒｉｆｉｅｄｏｎｔｈｅＵＣＩｄａｔａｓｅｔ． Ｋｅｙｗｏｒｄｓ　　Ｌｅａｓｔｓｑｕａｒｅｓｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ　Ｆｕｚｚｙｍｅｍｂｅｒｓｈｉｐ　Ｒｅｇｕｌａｒｉｚａｔｉｏｎ