基于梯度信息的最小二乘支持向量回归机  

Gradient-enhanced Least Squares Support Vector Regression

作　　者：周晓剑[1] 马义中[1] 刘利平[1] 汪建均[1] 

机构地区：[1]南京理工大学经济管理学院,江苏南京210094

出　　处：《南京理工大学学报》2011年第1期138-143,共6页Journal of Nanjing University of Science and Technology

基　　金：国家自然科学基金重点项目(70931002);国家自然科学基金(70672088)

摘　　要：为了解决传统最小二乘支持向量回归机(LS-SVR)对训练样本量要求过高的问题,提出了基于梯度信息的支持向量回归机(GE-LS-SVR)模型。通过修改目标函数及约束条件,将梯度信息引入模型的构建中,重新构造了决策函数。采用了三个基准函数对模型进行了验证,并用三个常用度量准则对实验结果进行了比较。结果表明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。To solve the problem of the larger number of samples being required to improve the regression accuracy in the least squares support vector regressions（LS-SVR）,a model of gradient-enhanced least squares support vector regression（GE-LSS-VR）is proposed.After changing the objective functions and constraint conditions,the gradient is introduced into the model,and the decision function is reconstructed.Three benchmark functions are used to verify the model.Three commonly-used measurement criterions are used to compare the experimental results.The results show that the model presented here can achieve an ideal regression accuracy at the cost of smaller samples.

关 键 词：支持向量机 最小二乘支持向量回归机 梯度信息 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]