摘要:
为了优化ε不敏感支持向量回归机(ε-support vector regression, ε-SVR)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ε-SVR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。
宋彦坡,彭小奇,胡志坤. 支持向量回归机元参数优化方法[J]. Journal of Systems Engineering and Electronics, 2010, 32(10): 2238-2242.
SONG Yanpo,PENG Xiaoqi,HU Zhikun. Meta-parameters optimization method for support vector regression[J]. Journal of Systems Engineering and Electronics, 2010, 32(10): 2238-2242.