基于核密度分布的模糊双支持向量回归机

发布时间：2018-01-12 02:06

本文关键词：基于核密度分布的模糊双支持向量回归机　出处：《济南大学学报(自然科学版)》2017年06期 　论文类型：期刊论文

【摘要】：在双支持向量回归机的基础上,考虑到不同的样本点可能对回归函数产生不同的影响,提出一种改进的双支持向量回归机模型,即基于核密度分布的模糊正则化双支持向量回归机;该模型不仅考虑到最小化结构风险项,而且还设计一种基于核密度分布的模糊隶属度函数,给不同的样本点赋予不同的模糊隶属度。结果表明,所提出的基于核密度分布的模糊双支持向量回归机有较理想的回归效果。
[Abstract]:On the basis of double support vector regression machine, considering that different sample points may have different influence on regression function, an improved model of double support vector regression machine is proposed. That is fuzzy regularized double support vector regression machine based on kernel density distribution; The model not only considers minimizing structural risk, but also designs a fuzzy membership function based on kernel density distribution, which assigns different fuzzy membership to different sample points. The proposed fuzzy double support vector regression machine based on kernel density distribution has an ideal regression effect.
【作者单位】：北京科技大学数理学院;
【基金】：中央高校基本科研业务费资助项目(FRF-BR-12-021)
【分类号】：TP181
【正文快照】： 支持向量机(support vector machine,SVM)[1-2]在机器学习领域中备受关注,也被广泛应用于现实场景中[3],然而关于SVM的回归算法还不是很成熟。目前常见的回归算法有支持向量回归机(sup-port vector regression,SVR)[4]、最小二乘支持向量回归机(least square support vector r

【相似文献】