一种新的支持向量回归预测模型  

A novel support vector regression model

作　　者：刘勇[1] 高飞[1] 李岩[1] 郭淑妹[1] 

机构地区：[1]信息工程大学理学院,郑州450001

出　　处：《华中师范大学学报（自然科学版）》2009年第2期226-229,共4页Journal of Central China Normal University：Natural Sciences

基　　金：国家自然科学基金项目(60373090)

摘　　要：综合最小二乘回归估计和支持向量机回归估计算法的各自在回归理论上的优势,通过理论推导,提出一种改进的支持向量机回归估计算法——SVR-LS方法。然后通过实验对比验证,发现新方法不但在拟合逼近方面有不错的效果,而且在回归估计方面,其学习速度和精度都要优于标准的支持向量机回归估计算法。In this paper, comparing the advantages of Least Square Estimation （LSE） and regression estimation algorithms of SVM （SVR） in the theory of regression, an improved regression estimation algorithm named SVR-LS is presented by theoretical deduction. Comparing to experimental results of the other algorithms, we find that the new algorithm has good effect in function approaching. Moreover, the proposed SVR- LS algorithm is better than the normal regression estimation algorithm of SVM. with its learning speed and precision in regression estimation.

关 键 词：支持向量机 最小二乘估计 支持向量回归机 SVR—LS 

分 类 号：O235[理学—运筹学与控制论]