基于自适应边界向量提取的多尺度v-支持向量机建模

来源期刊：控制与决策2015年第4期

论文作者：苏成利 郑博元 李平

文章页码：721 - 726

关键词：大样本建模;边界向量提取;多尺度学习;v-支持向量机;

摘    要：针对v-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.