一种支持向量回归中超参数自适应方法 |
| |
引用本文: | 杨斌,聂在平.一种支持向量回归中超参数自适应方法[J].广西师范大学学报(自然科学版),2003(1). |
| |
作者姓名: | 杨斌 聂在平 |
| |
作者单位: | 电子科技大学电子工程学院,电子科技大学电子工程学院 四川成都610054,四川成都610054 |
| |
基金项目: | 国家自然科学基金资助项目(10176006) |
| |
摘 要: | 在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.
|
关 键 词: | 支持向量机 贝叶斯推理 非参数回归 特征选择 |
AN ADAPTIVE METHOD FOR HYPERPARAMETERS IN SUPPORT VECTOR REGRESSION |
| |
Abstract: | |
| |
Keywords: | support vector machines Bayesian inference nonparametric regression feature selection |
本文献已被 CNKI 等数据库收录! |
|