一种数据域描述的加权支持向量回归算法  

Weighted support vector regression algorithm based on data description

作　　者：吴水亭[1,2] 

机构地区：[1]西南交通大学经济管理学院,成都610031 [2]西南交通大学智能控制开发中心,成都610031

出　　处：《计算机工程与应用》2009年第35期24-27,共4页Computer Engineering and Applications

基　　金：国家自然科学基金No.60875034;高校博士点基金No.20060613007~~

摘　　要：针对支持向量回归中由于噪声和孤立点带来的过拟合问题,提出了一种基于支持向量数据域描述的加权系数函数模型,根据样本到特征空间最小包含超球球心的距离来确定其加权系数。将提出的加权系数模型用于加权支持向量回归中,一维数据集仿真表明,提出的模型可以有效减小回归误差,提高支持向量回归算法的抗噪声能力。To overcome the problem of over-fitted caused by noises and outliers in support vector regress（SVR）,weighted coefficient model based on support vector data description（SVDD） is used in this paper.The weighted coefficient value to each input sample is confirmed according to its distance to the center of the smallest enclosing hyper-sphere in the feature space.The proposed model is applied to weighted support vector regression（WSVR） for 1-dimensional data set simulation.The results indicate that the proposed method actually reduces the error of regression and yields higher accuracy than support vector regression（SVR） does.

关 键 词：支持向量回归 数据域描述 加权系数 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]