截断误差的光滑型支持向量顺序回归.pdf

截断误差的光滑型支持向量顺序回归.pdf

ID:56023693

大小:434.19 KB

页数:6页

时间:2020-06-19

截断误差的光滑型支持向量顺序回归.pdf_第1页
截断误差的光滑型支持向量顺序回归.pdf_第2页
截断误差的光滑型支持向量顺序回归.pdf_第3页
截断误差的光滑型支持向量顺序回归.pdf_第4页
截断误差的光滑型支持向量顺序回归.pdf_第5页
资源描述:

《截断误差的光滑型支持向量顺序回归.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第43卷第1期电子科技大学学报V_01.43No.12014年1月JournalofUniversityofElectronicScienceandTechnologyofChinaJan.2O14截断误差的光滑型支持向量顺序回归何海江(长沙学院计算机科学与技术系长沙410003)【摘要】支持向量顺序回归算法已成功应用于解决顺序回归问题,但其易受训练样本中野点的干扰。为此,提出一种截断误差的光滑型支持向量顺序回归(TLS.SVOR)算法。学习顺序回归模型时,将错划样本形成的误差限制在范围U内。TLS—SV

2、OR首先用包含参数“的分段多项式近似;再引入光滑型支持向量机分类算法的思路,将优化目标转变为二次连续可微的无约束问题,从而由牛顿法直接求得唯一的决策超平面。采用两阶段的均匀设计方法确定TLS.SVOR的最优参数。实验结果表明,相比其他顺序回归算法,TLS.SVOR4~个数据集能获得更高的精度。关键词顺序回归;野点;分段多项式;支持向量机;截断误差中图分类号TP391文献标志码Adoi:10.3969/j.issn.1001.0548.2014.01.022TruncatedLossSmoothSuppor

3、tVectorOrdinalRegressionHEHai-jiang(DepartmentofComputerScienceandTechnology,ChangshaUniversityChangsha410003)AbstractSupportvectorordinalregressionfSVOR)hasbeenproventobethepromisingalgorithmforsolvingordinalregressionproblems.However,itsperformancetends

4、tobestronglyaffectedbyoutliersinthetrainingdatasets.TOremedythisdrawback,atruncatedlosssmoothSVOR(TLS—SVOR)isproposed.Ⅵlilelearningordinalregressionmodels.tIlelossSofthemisrankedsampleisboundedbetween0andthetnmcatedcoeficient.First,apiecewisepolynomialfun

5、ctionwithparameterUisapproximatedto.Then.byapplyingtllestrategyofsmoothsupportvectormachineforclassification.tl1eoptimizationproblemisreplacedwithanunconstrainedfunctionwhichistwicecontinuouslydifferentiable.ThealgorithmemploysNewton’Smethodtoobtaintheuni

6、quediscriminanthyperplane.TheoptimaIparametercombination0fTLS-SVORisdeterminedbyatwo.stageuniformdesignedmodelselectionmethodology.TheexperimentalresuRsonbenchmarkdatasetsshowtl1atTLS.SVORhasadvantageintermsofaccuracyoverotherordinalregressionapproaches.K

7、eywordsordinalregression;outlier;piecewisepolynomial;supportvectormachine:truncatedlOSS顺序回归(ordinalregression,OR)算法是机器学1)样本转换方法。将OR问题转变为分类问题,习的重要工具,解决介于分类和数值回归之间的问再用标准的分类算法求解。RankSVM[21将序数相异题。给定训练样本集{Jl户l。),特征组合向量的样本两两组合成一个新样本,OR问题转换为两类属于输入空间,标记/l~yj属于输出空

8、间】,,函数厂别分类问题,再以支持向量机作为分类算法。文献实现艇0瑚映射。在分类问题和OR问题中,跪有【3】则用代价敏感的支持向量机训练两类别分类模限个离散元素的集合。不同的是,前者冲元素没有型。SVM.EBC要求错划代价确定且已知,而许多实顺序,后者冲元素存在单调的顺序关系。而在数值际应用中,错划代价未知且模糊。文献【4】以决策超回归问题中,y是连续的实数。若OR模型的输出空平面的间隔代理错划代价,由多目标优化算法求得间由v

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。