基于梯度信息的支持向量回归机  

Gradient-enhanced Support Vector Regression

作　　者：周晓剑[1] 马义中[1] 朱嘉钢[2] 

机构地区：[1]南京理工大学管理科学与工程系,江苏南京210094 [2]江南大学信息工程学院,江苏无锡214122

出　　处：《系统工程》2010年第3期87-92,共6页Systems Engineering

基　　金：国家自然科学基金资助项目(70672088);国家自然科学基金重点资助项目(70931002)

摘　　要：传统的支持向量回归机(Support Vector Regression,SVR)都没有考虑到样本点处的梯度信息,因此必须通过加大训练样本的数目来提高回归精度,但由此导致的开销在计算机试验中有时是非常巨大的,从而影响了其在计算机试验中的广泛应用。针对传统SVR的不足,提出基于梯度信息的支持向量回归机(Gradient-enhanced SVR,GE-SVR)。提出的模型能在较少样本的情况下达到较为理想的回归精度,因而具有一定的理论意义和实用价值。The existing support vector regressions （SVRs） don＇t consider gradient information at the sample points, so the larger number of samples is required to improve the regression accuracy, which results in the great increase in the cost of sampling in computer experiment. Having considered the deficiency of the traditional mothods mentioned, this algorithm of gradient-enhanced support vector regression （GE-SVR） is proposed. The presented algorithm can achieve ideal regression accuracy at the price of smaller samples, and thus has a certain theoretical and practical significance.

关 键 词：支持向量机 支持向量回归机 梯度 计算机试验 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]