文献类型：期刊文章

作　　者：王梅[1,2] 王莎莎[1] 孙莺萁[1] 宋考平[2,3] 田枫[1] 廖士中[4]

WANG Mei;WANG Sha-sha;SUN Ying-qi;SONG Kao-ping;TIAN Feng;LIAO Shi-zhong(Schoo1 of Computer and Information Technology,Northeast Petroleum University,Daqing163318,China;Postdoctoral Workstation of Beijing Deweijiaye Technology Co.Ltd.,Beijing100020,China;Key Laboratory on Enhanced Oil and Gas Recovery of the Ministry of Education,Northeast Petroleum University,Daqing163318,China;School of Computer Science and Technology,Tianjin University,Tianjin300072,China)

机构地区：[1]东北石油大学计算机与信息技术学院,大庆163318 [2]北京德威佳业科技有限公司博士后科研工作站,北京100020 [3]东北石油大学教育部提高油气采收率重点实验室,大庆163318 [4]天津大学计算机科学与技术学院,天津300072

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(61502094);黑龙江省科学基金项目(F2015020;F2016002;E2016008);北京市博士后工作经费资助项目(2015ZZ-120);北京市朝阳区博士后工作经费资助项目(2014ZZ-14);东北石油大学校培育基金项目(XN2014102)资助

年　　份：2017

卷　　号：44

期　　号：12

起止页码：42-47

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：正则化路径算法是数值求解支持向量回归机(Support Vector Regression,SVR)的有效方法。根据SVR正则化路径的分段线性性质,该类算法可在相当于一次SVR求解的时间复杂度内求得正则化参数的所有可能取值及对应SVR的解。由于在解路径建立过程中需要求解线性方程组,已有的精确计算方法难以处理大规模的样本数据,因此研究了正则化路径近似算法,并提出了SVR正则化路径近似算法SVRRP_(MCC)。首先,应用Monte Carlo方法实现线性方程组系数矩阵的随机采样,求得近似系数矩阵;然后,应用Cholesky分解方法实现快速求解系数逆矩阵;进一步,分析了SVRRP_(MCC)算法的近似误差和计算复杂性;最后,在标准数据集上的实验验证了SVRRP_(MCC)算法的合理性和较高的计算效率。

关 键 词：支持向受回归机  正则化路径  矩阵近似  MonteCarlo采样  CHOLESKY分解

分 类 号：TP181]