孿生支持向量回歸機(Twin Support Vector Regression,TSVR)是機器學習領(lǐng)域中一種有效的數(shù)據(jù)預測方法。TSVR在訓練數(shù)據(jù)的過程中,需要求解二次規(guī)劃問題,因此在訓練大規(guī)模數(shù)據(jù)時效率較低。最小二乘孿生支持向量回歸機(Least Squares Twin Support Vector Regression,LSTSVR)將訓練過程轉(zhuǎn)換為求解兩個線性方程組,極大地降低了計算復雜度。但是LSTSVR也存在諸多問題。首先,LSTSVR未能充分利用樣本數(shù)據(jù)自身的結(jié)構(gòu)信息,預測性能有待進一步提高;其次,LSTSVR利用了最小二乘方法,對異常值非常敏感;此外,LSTSVR的參數(shù)選擇是借助經(jīng)驗法或網(wǎng)格尋優(yōu)法,尋優(yōu)效率不高。本課題研究將樣本數(shù)據(jù)間的結(jié)構(gòu)信息融入LSTSVR的目標函數(shù)中,抑制樣本數(shù)據(jù)中可能存在的異常值對算法性能的影響,并進行參數(shù)優(yōu)化,主要研究內(nèi)容如下:針對LSTSVR未考慮輸入樣本間的結(jié)構(gòu)信息問題,提出了一種最小二乘孿生投影支持向量回歸機(Least Squares Twin Projection Support Vector Regression,LSTPSVR...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

本文編號：3877453