位置:成果数据库 > 期刊 > 期刊详情页
支持向量回归机元参数优化方法
  • ISSN号:1001-506X
  • 期刊名称:系统工程与电子技术
  • 时间:0
  • 页码:2238-2242
  • 语言:中文
  • 分类:TP274[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]中南大学能源科学与工程学院,湖南长沙410083, [2]湖南第一师范学院信息科学与工程系,湖南长沙410205
  • 相关基金:国家自然科学基金重点项目(60634020) 国家自然科学基金青年项目(60904077); 湖南省科技计划项目(2010FJ4132)资助课题
  • 相关项目:面向节能降耗的有色冶金过程控制若干理论与方法研究
中文摘要:

为了优化ε不敏感支持向量回归机(-εsupport vector regression,-εSVR)的三类元参数,根据其耦合程度将其优化问题分解为核参数优化和结构参数(即不敏感参数和正则化参数)优化两个子问题,并提出了相应的优化方法。首先,提出了一种新的核校准系数以优化核参数;其次,提出了一种基于期望训练误差的结构参数优化方法;最后,为准确估算-εSVR的期望训练误差,还提出了一种根据实际训练误差分布特征评估和校正期望误差的方法。仿真结果表明,该文方法具有与交叉检验法近似的优化效果,且时间效率更高。

英文摘要:

To optimize the meta-parameters of ε insensitive support vector regression(ε-SVR),the meta-parameters optimization problem is divided into two sub-problems named as kernel parameter optimization and structure parameters(including insensitive parameter and regularization parameter) optimization according to the coupling degrees among them,and corresponding optimization methods are proposed.First,a new kernel alignment coefficient is proposed for the former.Second,a method based on expectation training error is proposed for the latter.Finally,to estimate accurately the expectation error of the ε-SVR,a method to evaluate and adjust expectation error according to the distribution characteristics of the real training errors is proposed.Simulation results show that the proposed method is nearly as accurate as the cross validation method,and much more rapid.

同期刊论文项目
期刊论文 287 会议论文 65 获奖 9 专利 15 著作 2
同项目期刊论文
期刊信息
  • 《系统工程与电子技术》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科工集团公司
  • 主办单位:中国航天科工防御技术研究院 中国宇航学会 中国系统工程学会
  • 主编:施荣
  • 地址:北京142信箱32分箱
  • 邮编:100854
  • 邮箱:xtgcydzjs@126.com
  • 电话:010-68388406
  • 国际标准刊号:ISSN:1001-506X
  • 国内统一刊号:ISSN:11-2422/TN
  • 邮发代号:82-269
  • 获奖情况:
  • 全国中文核心期刊,全国优秀科技期刊,中国科技论文统计用刊,中国期刊方阵“双百”期刊
  • 国内外数据库收录:
  • 德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:34341