%0 Journal Article
%T 基于自适应边界向量提取的多尺度v-支持向量机建模
%A 苏成利
%A 郑博元
%A 李平
%J 控制与决策
%P 721-726
%D 2015
%R 10.13195/j.kzyjc.2014.0044
%X 针对??-支持向量机(v-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度v-SVM建模方法.该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩减训练样本规模,并通过求解多尺度v-SVM二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近.仿真结果表明,基于边界向量提取的多尺度v-SVM比v-SVM具有更好的回归结果.
%K 大样本建模
%K 边界向量提取
%K 多尺度学习
%K v-支持向量机
%U http://www.kzyjc.net:8080/CN/abstract/abstract13031.shtml