文档摘要：为了解决支持向量回归机中核函数的核参数选择问题,在深入分析高斯尺度空间理论的基础上,提出了一种基于样本特征维数的高斯核的核参数选择算法.首先,初始化核参数值为样本总特征个数的倒数,选定样本输出的预测值与真实值的均方误差为评估标准;然后,利用评估标准最小化的原则来搜寻最优的核参数值;最后,应用最优的核参数值于支持向量回归机的训练和预测.UCI数据集上的实验结果表明了,相较于传统的5折交叉验证、最小二乘和神经网络算法,所提出的基于样本特片维数的核参数优化算法能高效地实现核参数的选择,收敛速度快,在回归估计中具有较好的泛化性能和预测精度,验证了该优化方法的有效性.
作者：王建国 陈肖洁 张文兴Author：WANGJian-guo CHENXiao-jie ZHANGWen-xing
作者单位：内蒙古科技大学机械工程学院,内蒙古包头,014010
刊名：内蒙古科技大学学报
Journal：JournalofInnerMongoliaUniversityofScienceandTechnology
年，卷(期)：2016, 35(3)
分类号：TP18
关键词：支持向量回归机 模型选择 回归(函数)估计 样本特征
机标分类号：TP1TP3
在线出版日期：2016年11月21日
基金项目：国家自然科学基金资助项目支持向量回归机核参数优化研究[
期刊论文] 内蒙古科技大学学报--2016, 35(3)王建国 陈肖洁 张文兴为了解决支持向量回归机中核函数的核参数选择问题,在深入分析高斯尺度空间理论的基础上,提出了一种基于样本特征维数的高斯核的核参数选择算法.首先,初始化核参数值为样本总特征个数的倒数,选定样本输出的预测值与真实...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：
|
|
