Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2010-05-15

Journal: 计算机学报

Included Journals: Scopus、CSCD、ISTIC、PKU、EI

Volume: 33

Issue: 5

Page Number: 841-846

ISSN: 0254-4164

Key Words: 支持向量回归;静态储备池;Newton算法;鲁棒性

Abstract: 针对大规模非线性回归问题,提出基于静态储备池的Newton算法.利用储备池搭建高维特征空间,将原始问题转化成与储备池维数相关的线性支持向量回归问题,并应用Newton算法求解.鲁棒损失函数的应用可抑制异常点对预测结果的干扰.通过与SVR(Support Vector Regression)及储备池Tikhonov正则化方法比较,验证了所提方法的快速性、较高的预测精度和较好的鲁棒性.