科研之友
微信
新浪微博
Facebook
分享链接
摘要
拉氏非对称ν型孪生支持向量回归机是一种泛化性能良好的预测算法，然而其并不适用于增量提供样本的场景。为此，提出了一种增量式约简拉氏非对称ν型孪生支持向量回归机（IRLAsy-ν-TSVR）算法。首先，引入正号函数，将有约束最优化问题转换成无约束最优化问题，并采用半光滑牛顿法在原始空间直接求解，以加快收敛速度。接着，利用矩阵求逆引理，实现半光滑牛顿法中Hessian矩阵求逆的高效增量更新，节省时间开销。然后，为了减少样本累积导致的内存消耗，使用约简技术分别筛选增广核矩阵的列向量和行向量以逼近原增广核矩阵，确保解的稀疏性。最后，在基准测试数据集上验证算法的可行性和有效性。结果表明，与一些代表性算法相比，IRLAsy-ν-TSVR算法继承了离线算法的泛化性能，能够获得稀疏解，更适合大规模数据集的在线学习。
- 单位
