期刊文献+

基于VC推广界的线性支持向量回归机及其应用 被引量:1

Linear Support Vector Regression Based on VC Generalization Bounds and its Application
下载PDF
导出
摘要 提出了基于VC推广界的线性支持向量机回归模型的新的构建算法,并应用于县域综合发展中,构建了邱县协调发展的经济计量模型,与传统的方法相比该算法效果更好且具有良好的泛化性能,为多元线性回归提供新的方法。 The novel algorithm for linear SVM Regression (SVR) is proposed based on VC generalization bounds and applied to comprehensive development of county.Harmonious development models of Qiuxian are built.Compared with traditional method,the algorithm has better effect and more generalized performance and provides a new method for multivariate linear regression,
作者 杨丽明
出处 《计算机工程与应用》 CSCD 北大核心 2006年第31期230-232,共3页 Computer Engineering and Applications
关键词 VC维 支持向量机回归 VC推广界 综合发展 VC dimension SVR VC generalization bounds comprehensive development
  • 相关文献

参考文献5

  • 1OSUNA E,FREUND R,GIROSI F.Support vector machines:training and applications.AI Memo 1602,Maassachusets Institute of Technology,1997.
  • 2SMOLA A J,SCHOLKOPH B.A tutorial on support vector regression,NeuroCOLT Technical Report TR-1998-030[R].Royal Holloway College,1998.
  • 3CHERKASSKY V,SHAO X,MULIER F,et al.Model complexity control for regression using VC generalization bounds[J].IEEE Transaction on Neural Networks,1999,10(5):1075-1089.
  • 4张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42. 被引量:2264
  • 5曾嵘,魏一鸣,范英,李之杰,徐伟宣.人口、资源、环境与经济协调发展系统分析[J].系统工程理论与实践,2000,20(12):1-6. 被引量:109

二级参考文献11

共引文献2371

同被引文献5

  • 1蒋琳,彭黎.基于支持向量机的特征提取方法研究与应用[J].计算机工程与应用,2007,43(20):210-213. 被引量:10
  • 2SCHOLKOPF B, SMOLA A, MULLER K R. Kernel principal component analysis[C]//Proceedings of ICANN'97, Berlin: Springer, 1997:583-589.
  • 3SMOLA A. Learning with kernels[ D]. Berlin : Technische University, 1998.
  • 4YU Zhefu, LU Huibiao, JIA Chuanying. Matrix similarity measurement used in a GA-based feature extraction [ C]//Proceedings of International Conference on Intelligent Computation Technology and Automation. Changsha: CPS, 2010.
  • 5CHERKASSKY V, SHAO X, MULIER F, et al. Model complexity control for regression using VC generalization bound [ J ]. IEEE Transaction on Neural Networks, 1999,10 (5) : 1075-1089.

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部