面向不确定数据的序数回归算法

现有的序数回归方法能够利用先验的有序信息获得比一般多分类方法更加优越的性能,但忽略了仪器不精密和环境扰动等因素产生的复杂不确定性数据。针对序数回归中数据存在的不确定信息问题,基于最大间隔原理,构建面向不确定数据的支持向量序数回归模型。实验结果表明,模型可以减少不确定数据对决策边界的影响,增强学习模型的鲁棒性。