模糊最小二乘大间隔孪生支持向量回归机

为了在不影响算法效率的前提下,将大间隔思想和最小二乘理论与模糊孪生支持向量回归机相结合,提高算法预测精度,现提出一种新的模糊最小二乘孪生大间隔支持向量回归机算法(LSFTSVR),以增加间隔分布对于训练模型的影响。理论研究证实,间隔分布在很大程度上影响模型的泛化性能。该算法在标准孪生支持向量回归机优化目标函数上增加了间隔分布的影响,同时引入最小二乘思想和模糊隶属度函数。隶属度函数基于k近邻算法计算获得每个数据点基于数据密度分布的密度加权值。提出的算法能够很好地反映训练数据集的内在分布,使数据点准确影响训练模型。在相关数据集上的实验结果表明,所提出的算法LSFTSVR比标准FTSVR算法的预测准确率更高。