支持向量回归的连续过松弛训练算法研究
针对支持向量回归(Support Vector Regression,SVR)的传统训练算法在大样本下内存开销大、训练速度慢的缺点，在分析SVR数学形式的基础上，充分利用二次规划自身的结构特点，将阈值量引入支持向量回归的目标函数中，采用扩展变形的方法，提出了一种用于SVR的简化连续过松弛(Successsive Over Relaxation，SOR)训练算法，并将其与传统的训练算法进行对比。仿真结果表明，简化的SOR算法是可行、有效的。它在保证拟合精度的情况下，克服了传统训练算法对系统内存要求较高的缺陷，减少了训练时间，提高了运算效率。
支持向量回归 连续过松弛 训练算法
林关成 李亚安 李国辉
西北工业大学 航海学院,陕西西安 710072 渭南师范学院 传媒工程系,陕西渭南 714000 西北工业大学 航海学院,陕西西安 710072
国内会议
云南腾冲
中文
298-302
2010-08-01（万方平台首次上网日期，不代表论文的发表时间）