点击次数：

论文类型：期刊论文

发表时间：2010-05-15

发表刊物：计算机学报

收录刊物：EI、PKU、ISTIC、CSCD、Scopus

卷号：33

期号：5

页面范围：841-846

ISSN号：0254-4164

关键字：支持向量回归;静态储备池;Newton算法;鲁棒性

摘要：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.