非稀疏多核组合的支持向量回归方法

Non-sparseMultipleKernelLearningApproachforSupportVectorRegression

作者：胡庆辉(武汉大学计算机学院;桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地;武汉大学软件工程国家重点实验室)；丁立新(武汉大学计算机学院;武汉大学软件工程国家重点实验室)；刘晓刚(桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地)；李照奎(武汉大学计算机学院;武汉大学软件工程国家重点实验室)

Author：HuQinghui(SchoolofComputer,WuhanUniv.;GuangxiCollegesandUniversitiesKeyLab.BreedingBaseof RobotandWeldingTechnol.,GuilinUniv.ofAerospaceTechnol.;StateKeyLab.ofSoftwareEng.,WuhanUniv.)；DingLixin(SchoolofComputer,WuhanUniv.;StateKeyLab.ofSoftwareEng.,WuhanUniv.)；LiuXiaogang(GuangxiCollegesandUniversitiesKeyLab.BreedingBaseof RobotandWeldingTechnol.,GuilinUniv.ofAerospaceTechnol.)；LiZhaokui(SchoolofComputer,WuhanUniv.;StateKeyLab.ofSoftwareEng.,WuhanUniv.)

收稿日期：2014-08-28          年卷（期）页码：2015,47(4):91-97

期刊名称：工程科学与技术

Journal Name：Advanced Engineering Sciences

关键字：多核学习；支持向量回归；非稀疏核组合；两步优化

Key words：multiplekernellearning;supportvectorregression;non-sparsekernelscombination;two-stepoptimization

基金项目：国家自然科学基金资助项目(11301106);广西自然科学基金资助项目(2014GXNSFAA1183105);广西高校科研重点项目资助(ZD2014147); 桂林航天工业学院科研基金资助项目(Y12Z028)

中文摘要

为了改善支持向量回归机的性能，提出一种利用多核学习解决回归问题的算法(NS-MKR)。算法对基本核函数的组合系数施加了Lp范数的约束(p>1)，以得到组合系数的非稀疏解，并采用了两步优化方法，首先求解基于加权组合核的标准支持向量回归问题，用于学习拉格朗日乘子，然后采用简单的计算，求得基本核函数的组合系数，这2个步骤交替进行，直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明，相对于传统的单核和稀疏多核支持向量回归方法，提出的算法有更好的泛化性能。

英文摘要

【关闭】