文献类型：期刊文章

作　　者：胡庆辉[1,2,3] 丁立新[1,3] 刘晓刚[2] 李照奎[1,3]

机构地区：[1]武汉大学计算机学院,湖北武汉430072 [2]桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地,广西桂林541004 [3]武汉大学软件工程国家重点实验室,湖北武汉430072

出　　处：《四川大学学报（工程科学版）》

基　　金：国家自然科学基金资助项目(11301106);广西自然科学基金资助项目(2014GXNSFAA1183105);广西高校科研重点项目资助(ZD2014147);桂林航天工业学院科研基金资助项目(Y12Z028)

年　　份：2015

卷　　号：47

期　　号：4

起止页码：91-97

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20153101103367)、JST、MR、SCOPUS、ZGKJHX、核心刊

摘　　要：为了改善支持向量回归机的性能,提出一种利用多核学习解决回归问题的算法(NS-MKR)。算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这2个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,提出的算法有更好的泛化性能。

关 键 词：多核学习 支持向量回归 非稀疏核组合  两步优化  

分 类 号：TP301.6]