%0 Journal Article
%T 考虑梯度信息的ε-支持向量回归机
%A 周晓剑
%J 自动化学报
%P 2908-2915
%D 2014
%R 10.3724/SP.J.1004.2014.02908
%X ？传统的ε-支持向量回归机(ε-supportvectorregression,ε-SVR)只是根据样本点处的响应值来构建模型,并没考虑样本点处的梯度信息.如果样本点处的梯度信息容易获得或者获得的成本并不高,那就应该将梯度信息应用到模型的构建中.已有的基于梯度信息的ε-支持向量回归机模型的构建是从泰勒展开的角度着手,简单地将梯度信息插入到泰勒展开式中;本研究另辟蹊径,并没有去估计样本点邻域内的函数值,而是将梯度信息作为第二类变量融入到核矩阵中直接构建优化模型,使模型的构建更为简捷直观,并据此得到一种新的基于梯度信息的ε-支持向量回归机(Gradient-enhancedε-supportvectorregression,GESVR)模型.所提模型通过了常用分析函数及精算领域中的生命表数据的验证,实验表明,与传统的ε-SVR相比,考虑梯度信息的GESVR模型显著地提高了其预测精度.
%K ε-支持向量回归机
%K 元模型
%K 梯度信息
%K 计算机实验设计
%K 仿真优化
%U http://www.aas.net.cn/CN/abstract/abstract18568.shtml