收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

有效的v支持向量回归机的v解路径算法

顾彬  王建东  
【摘要】:由Sch lkopf等人提出的v支持向量回归机具有通过参数控制支持向量和错误向量个数的优点,然而与标准的支持向量机相比,其形式更为复杂,迄今为止仍没有有效的算法计算v解路径.基于支持向量回归机的修改形式,提出了一种新的解路径算法,它能够追踪参数v对应的所有解,并通过理论分析和实验,说明了该算法能够尽可能地避免不可行的更新路径,并在有限步内拟合出所有的解路径.

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘东辉;卞建鹏;付平;刘智青;;支持向量机最优参数选择的研究[J];河北科技大学学报;2009年01期
2 王华忠;俞金寿;;核函数方法及其模型选择[J];江南大学学报(自然科学版);2006年04期
3 何灵敏;沈掌泉;孔繁胜;刘震科;;SVM在多源遥感图像分类中的应用研究[J];中国图象图形学报;2007年04期
4 朱树先;张仁杰;;支持向量机核函数选择对面部特征识别的作用[J];光学技术;2008年06期
5 王文涛;陈聪;;基于贝叶斯支持向量机模型选择算法改进[J];中南民族大学学报(自然科学版);2009年01期
6 姚全珠;田元;;基于人工免疫的支持向量机模型选择算法[J];计算机工程;2008年15期
7 李琳;张晓龙;;基于RBF核的SVM学习算法的优化计算[J];计算机工程与应用;2006年29期
8 杨冬云;李数函;;支持向量机核函数的构造方法研究与分析[J];高师理科学刊;2010年02期
9 陈俏;曹根牛;谢丽娟;;支持向量机的研究进展[J];现代计算机(专业版);2009年04期
10 黄东远;陈晓云;;一种新的支持向量回归机的模型选择方法[J];福州大学学报(自然科学版);2011年04期
11 曾姝彦;张广军;李秀智;;基于Gabor滤波器的图像目标识别方法[J];北京航空航天大学学报;2006年08期
12 韩虎;任恩恩;;一种推广高斯核模型设计及其优化[J];计算机工程与应用;2008年30期
13 周欣;许建华;;基于遗传算法与经验误差最小化的SVM模型选择方法[J];南京师范大学学报(工程技术版);2009年02期
14 王晔;黄上腾;;文本分类支持向量机的i-ξα估计[J];模式识别与人工智能;2005年06期
15 谢飞;;支持向量机及其应用研究[J];安徽教育学院学报;2007年03期
16 宋小杉;蒋晓瑜;汪熙;姚军;;基于改进Joachims上界的SVM泛化性能评价方法[J];电子学报;2011年06期
17 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
18 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
19 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
20 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
3 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年
4 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
5 李巍华;刘雯;;基于主元分析和直推式支持向量机的齿轮早期故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
6 刘碧森;钟守铭;陈华富;;基于支持向量机与粗糙集理论的信息处理[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 杜金香;冯西安;马艳;;支持向量机在DOA估计中的稳健性研究[A];2011'中国西部声学学术交流会论文集[C];2011年
8 郭小荟;马小平;;基于EMD近似熵特征提取和支持向量机的故障诊断方法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
9 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
10 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
中国博士学位论文全文数据库 前10条
1 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
4 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
5 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
6 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
7 马儒宁;神经网络与支持向量机相关问题研究[D];复旦大学;2005年
8 梁新荣;高速公路智能控制方法研究[D];华南理工大学;2005年
9 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
10 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
中国硕士学位论文全文数据库 前10条
1 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
2 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
3 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
4 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
5 张成学;隐私保护线性规划和支持向量机新算法[D];山东科技大学;2011年
6 李新;支持向量机的核方法及其多核聚类算法的研究[D];中国海洋大学;2010年
7 杨振章;基于支持向量数据描述的分类识别算法研究[D];杭州电子科技大学;2009年
8 李靖;基于支持向量机的基因表达数据降维方法的研究[D];苏州大学;2011年
9 刘柳;基于支持向量机和模糊后处理的遥感图像分类研究[D];华中科技大学;2010年
10 朱健康;基于支持向量机的音乐自动分类[D];天津大学;2010年
中国重要报纸全文数据库 前1条
1 潘加保 陶海林;遥感技术成功用于太湖蓝藻水华动态监测预警[N];中国测绘报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978