多維輸出支持向量回歸機若干研究及應(yīng)用.pdf

1、支持向量回歸機（SVR）是在統(tǒng)計學(xué)習(xí)理論和最優(yōu)化理論的基礎(chǔ)上發(fā)展起來的一種機器學(xué)習(xí)方法，它繼承了支持向量機方法的克服了“維數(shù)災(zāi)難”和“過學(xué)習(xí)”等優(yōu)點，具有直觀的幾何解釋和完美的數(shù)學(xué)形式，從而有力地推動了回歸預(yù)測的發(fā)展，成為研究熱點。
　　本文主要研究多維輸出支持向量回歸機及其應(yīng)用問題。主要創(chuàng)新工作如下：
　　1、提出了多維輸出雙支持向量回歸機（Multidimensional Output Twin Support Vect

2、or Regression，MTSVR）。用擴充的多維核函數(shù)映射空間來代替原有的一維輸出核函數(shù)空間，將雙支持向量回歸機（Twin Support Vector Regression,TSVR）改進為適應(yīng)多維輸出的算法。實驗結(jié)果表明對于二維輸出的情況，MTSVR算法要比TSVR算法擬合精確度更高。
　　2、提出了基于二次損失函數(shù)的多維輸出支持向量回歸機（Quadratic Loss Functionε-Support Vector

3、Machine，L2-MSVR）。引入二范數(shù)損失函數(shù)到標(biāo)準(zhǔn)支持向量回歸機（ε-SVR）中，使其適用于多維輸出的情況。實驗結(jié)果表明二維輸出情況下，L2-MSVR比ε-SVR的回歸擬合精度高，算法對于不敏感參數(shù)的穩(wěn)定性好，且時間上更快。
　　3、提出了基于擴充核函數(shù)和二次損失函數(shù)的多維輸出支持向量回歸機（Quadratic Loss Function Multidimensional Outputε-Support Vector Ma