文献类型：期刊文章

作　　者：周晓剑[1] 马义中[1] 朱嘉钢[2]

机构地区：[1]南京理工大学管理科学与工程系,江苏南京210094 [2]江南大学信息工程学院,江苏无锡214122

出　　处：《系统工程》

基　　金：国家自然科学基金资助项目(70672088);国家自然科学基金重点资助项目(70931002)

年　　份：2010

卷　　号：28

期　　号：3

起止页码：87-92

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、CSSCI、CSSCI_E2010_2011、EBSCO、INSPEC、JST、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：传统的支持向量回归机(Support Vector Regression,SVR)都没有考虑到样本点处的梯度信息,因此必须通过加大训练样本的数目来提高回归精度,但由此导致的开销在计算机试验中有时是非常巨大的,从而影响了其在计算机试验中的广泛应用。针对传统SVR的不足,提出基于梯度信息的支持向量回归机(Gradient-enhanced SVR,GE-SVR)。提出的模型能在较少样本的情况下达到较为理想的回归精度,因而具有一定的理论意义和实用价值。

关 键 词：支持向量机 支持向量回归机 梯度  计算机试验

分 类 号：TP18]