支持向量回歸的算法分析.pdf

1、支持向量機是數據挖掘中的新方法．它是建立在統(tǒng)計學習理論基礎之上的通用學習方法，并且已表現出很多優(yōu)于已有方法的性能，目前在理論研究和實際應用兩方面支持向量機正處于飛速發(fā)展的階段． 支持向量機主要用于處理分類問題和回歸問題，分別稱為支持向量分類(SVC)和支持向量回歸(SVR)．本文主要研究了支持向量回歸的算法與誤差估計，并得到了較為滿意的結果．內容安排如下： 第一部分，闡述了回歸問題的研究背景及現狀，介紹了支持向量回歸的基

2、本思想． 第二部分，較為系統(tǒng)地介紹了支持向量回歸的幾個主要模型，詳細討論了它們的性質以及相互關系． 第三部分，通過改進一個廣義支持向量回歸模型的目標函數，得到了一個廣義支持向量回歸新模型，該模型與廣義支持向量回歸模型相似，也含有一個可靈活選取的函數，并且該廣義模型不要求核函數具有正定性；簡要介紹了把支持向量回歸中的原始凸二次規(guī)劃問題轉化為光滑的無約束問題． 第四部分，研究了支持向量回歸的誤差問題．特別的，利用采樣