点击次数：

论文类型：期刊论文

发表时间：2015-07-08

发表刊物：控制与决策

收录刊物：PKU、ISTIC、CSCD、Scopus、EI

卷号：30

期号：9

页面范围：1603-1608

ISSN号：1001-0920

关键字：最小二乘支持向量机;l??-范数;多核学习;泛化性

摘要：针对核函数选择对最小二乘支持向量机回归模型泛化性的影响，提出一种新的基于????-范数约束的最小二乘支持向量机多核学习算法。该算法提供了两种求解方法，均通过两重循环进行求解，外循环用于更新核函数的权值，内循环用于求解最小二乘支持向量机的拉格朗日乘数，充分利用该多核学习算法，有效提高了最小二乘支持向量机的泛化能力，而且对惩罚参数的选择具有较强的鲁棒性。基于单变量和多变量函数的仿真实验表明了所提出算法的有效性。