%0 Journal Article
%T Sparse Least Squares Support Vector Regression Machine Based on the Scale of Linear Independency<br>基于线性无关度的稀疏最小二乘支持向量回归机
%A ZHAO Yong-ping
%A SUN Jian-guo
%A <br>赵永平
%A 孙健国
%J 中国图象图形学报
%D 2009
%I 
%X 基于线性无关度提出了一种在高维特征空间中选择近似基的方法,并采用不完全抛弃法,充分利用非支持向量中的信息来建立稀疏最小二乘支持向量回归机的数学模型.另外,采用递推法加快了其模型的建立.该模型在保持预测精度基本不变的情况下,使支持向量的数目大大减少.最后,通过3个UCI数据集验证了该模型的有效性.
%K least squares support vector regression machine
%K linear independency
%K approximate bases
%K partial reduction<br>最小二乘支持向量回归
%K 机线性无关
%K 近似基
%K 不完全抛弃
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D06194629680C940ACE75262F54B9D85&aid=4C8ABC407463E3E3C7CD37DF6DAE3620&yid=DE12191FBD62783C&vid=F3583C8E78166B9E&iid=B31275AF3241DB2D&sid=BE14F47B38DC36BB&eid=D932AD0F8FDA3032&journal_id=1006-8961&journal_name=中国图象图形学报&referenced_num=1&reference_num=24