摘要: 标准支持向量回归问题中,噪声较大的时段将包含较多的支持向量。提出一种时间窗内?着可调的支持向量回归方法,根据各时间窗的支持向量的比例动态调整?着,能够处理噪声时变的回归问题。并给出一种?着调整时的在线训练算法,避免重复求解凸规划问题。实例表明该方法的泛化能力和拟合精度较标准支持向量回归为优。
刁 翔,李 奇. 一种ε可调的在线支持向量回归及其训练算法[J]. 计算机工程与应用, 2007, 43(25): 83-86.
DIAO Xiang,LI Qi. Epsilon-adjustable on-line support vector regression and its training algorithm[J]. Computer Engineering and Applications, 2007, 43(25): 83-86.