最小二乘孪生支持向量回归机的研究

发布时间：2024-01-08 18:36

　　孪生支持向量回归机(Twin Support Vector Regression,TSVR)是机器学习领域中一种有效的数据预测方法。TSVR在训练数据的过程中,需要求解二次规划问题,因此在训练大规模数据时效率较低。最小二乘孪生支持向量回归机(Least Squares Twin Support Vector Regression,LSTSVR)将训练过程转换为求解两个线性方程组,极大地降低了计算复杂度。但是LSTSVR也存在诸多问题。首先,LSTSVR未能充分利用样本数据自身的结构信息,预测性能有待进一步提高;其次,LSTSVR利用了最小二乘方法,对异常值非常敏感;此外,LSTSVR的参数选择是借助经验法或网格寻优法,寻优效率不高。本课题研究将样本数据间的结构信息融入LSTSVR的目标函数中,抑制样本数据中可能存在的异常值对算法性能的影响,并进行参数优化,主要研究内容如下:针对LSTSVR未考虑输入样本间的结构信息问题,提出了一种最小二乘孪生投影支持向量回归机(Least Squares Twin Projection Support Vector Regression,LSTPSVR...

【文章页数】：61 页

【学位级别】：硕士

本文编号：3877453