基于一阶/二阶导数的最小二乘支持向量回归机  

作　　者：周晓剑[1] 蒋婷[2] 

机构地区：[1]南京邮电大学管理学院,南京210023 [2]南京大学信息管理学院,南京210093

出　　处：《统计与决策》2015年第16期16-19,共4页Statistics & Decision

基　　金：国家自然科学基金青年项目(71401080);2014年度全国统计科学研究重点项目(2014LZ42);江苏省高校哲学社会科学基金项目(2013SJB6300072);江苏省教育科学"十二五"规划2013年度课题(D/2013/01/104);2013年度产业信息安全与应急管理研究基地开放性课题项目(JDS213007);江苏省高校人才引进项目(NYS212008)

摘　　要：已有的基于一阶导数的最小二乘支持向量回归机(LSSVR)模型的构建是从泰勒展开的角度着手,简单地将一阶导数插入到泰勒展开式中,实质上是通过泰勒展开增加训练样本的个数,而且也没考虑样本点处的二阶导数;本文并没有去估计样本点邻域内的函数值,而是将一阶/二阶导数作为第二类变量融入到核矩阵中直接构建优化模型,使模型的构建更为有效,并据此得到一种新的基于一阶/二阶导数的最小二乘支持向量回归机(first/second derivative LSSVR,F/SD-LSSVR)模型。所提模型通过了分析函数的验证,实验表明,与传统的LSSVR模型以及基于一阶导数的最小二乘支持向量回归机(first derivative LSSVR,FD-LSSVR)模型相比,考虑一阶/二阶导数的F/SD-LSSVR模型显著地提高了其预测精度。

关 键 词：最小二乘支持向量回归机 一阶导数 二阶导数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]