LS-SVM的GCV模型选择方法与快速算法  

Fast GCV for model selection of LS-SVM and its fast algorithm

作　　者：陈建东[1] 李娴[1] 王小明[1] 

机构地区：[1]上海财经大学统计学系,上海200433

出　　处：《系统工程理论与实践》2010年第1期112-118,共7页Systems Engineering-Theory & Practice

基　　金：教育部社会科学基金(#05JA910004);上海财经大学211工程三期;上海市重点学科建设项目(B803)

摘　　要：在最小二乘支持向量机(LS-SVM)的模型选择问题中,基于再抽样技术的模型选择方法(如Bootstrap和快速Bootstrap),不能从根本上解决计算强度过高的问题.提出了基于GCV准则的模型选择方法,并建立了LS-SVM模型超参数(或旋转参数)估计的快速算法.实证研究表明:给出的快速GCV模型选择方法不仅能保证模型的预测精度,而且在计算速度上具有相对于快速Bootstrap的巨大优势.For LS-SVM, model selection techniques based on re-sampling strategy （such as Bootstrap and Fast Bootstrap） suffer from high computational burden. To solve this problem, we advocate a strategy of model selection based on GCV criteria. A fast algorithm for estimating the tuning parameter （or supper parameter） of the model is given. Simulation study demonstrates performance of the proposed strategy on model prediction accuracy as well as the huge merit over the fast bootstrap strategy.

关 键 词：最小二乘支持向量机 模型选择 快速Bootstrap 快速GCV 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]