基于多尺度高斯核的弹性网回归算法

本文提出了一种基于多尺度高斯核的弹性网学习算法用以对回归函数的逼近。我们利用具有不同核宽度的高斯核函数构造基函数，同时逼近目标函数的高频和低频成分。我们借鉴一般弹性网的思想，取预测函数系数的L1范数和L2范数的加权组合作为最优化问题的正则项。在仿真数据和真实数据的实验中，基于双高斯核的弹性网比单高斯核弹性网取得了更小的预测误差和更好的稀疏性表现。另外，基于双高斯核的弹性网很好地预测了目标函数的高频和地频成分。