支持向量回歸的算法分析.pdf

1、支持向量機(jī)是數(shù)據(jù)挖掘中的新方法．它是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)之上的通用學(xué)習(xí)方法，并且已表現(xiàn)出很多優(yōu)于已有方法的性能，目前在理論研究和實(shí)際應(yīng)用兩方面支持向量機(jī)正處于飛速發(fā)展的階段． 支持向量機(jī)主要用于處理分類問(wèn)題和回歸問(wèn)題，分別稱為支持向量分類(SVC)和支持向量回歸(SVR)．本文主要研究了支持向量回歸的算法與誤差估計(jì)，并得到了較為滿意的結(jié)果．內(nèi)容安排如下： 第一部分，闡述了回歸問(wèn)題的研究背景及現(xiàn)狀，介紹了支持向量回歸的基

2、本思想． 第二部分，較為系統(tǒng)地介紹了支持向量回歸的幾個(gè)主要模型，詳細(xì)討論了它們的性質(zhì)以及相互關(guān)系． 第三部分，通過(guò)改進(jìn)一個(gè)廣義支持向量回歸模型的目標(biāo)函數(shù)，得到了一個(gè)廣義支持向量回歸新模型，該模型與廣義支持向量回歸模型相似，也含有一個(gè)可靈活選取的函數(shù)，并且該廣義模型不要求核函數(shù)具有正定性；簡(jiǎn)要介紹了把支持向量回歸中的原始凸二次規(guī)劃問(wèn)題轉(zhuǎn)化為光滑的無(wú)約束問(wèn)題． 第四部分，研究了支持向量回歸的誤差問(wèn)題．特別的，利用采樣