论文研究 新的稀疏支持向量回归机算法及实验研究.pdf

支持向量回归机是一种解决回归问题的重要方法，其预测速度与支持向量的稀疏性成正比。为了改进支持向量回归机的稀疏性，提出了一种直接稀疏支持向量回归算法DSKR（Direct Sparse Kernel Support Vector Regression），用于构造稀疏性支持向量回归机。DSKR算法对ε-SVR（ε-Support Vector Regression）增加一个非凸约束，通过迭代优化的方式，得到稀疏性好的支持向量回归机。在人工数据集和真实世界数据集上研究DSKR算法的性能，实验结果表明，DSKR算法可以通过调控支持向量的数目，提高支持向量回归机的稀疏性，且具有较好的鲁棒性。