科研之友
微信
新浪微博
Facebook
分享链接
摘要
回归问题是模式识别与机器学习领域的基本问题之一，孪生支持向量回归机是在支持向量回归机基础上发展而来的一种处理回归问题的新算法，它在处理无噪声数据时表现出较好的性能，但在处理有噪声数据时往往性能不佳。为了降低噪声对孪生支持向量回归机性能的影响，本文结合ε-不敏感损失函数与Huber损失函数构造了混合Hε损失函数， 该损失函数可以有效的适应于不同分布类型的噪声；然后基于混合Hε损失函数和结构风险最小化原则提出了一种鲁棒的孪生支持向量回归机，并在原始空间中利用牛顿迭代法求解模型。分别在有噪声和无噪声的人工数据集、UCI数据集上进行实验， 与支持向量回归机和孪生支持向量回归机等算法比较，实验结果验证了所提算法的有效性。
-
单位数理学院; 安庆师范大学
