基于輸入K-近鄰的正則化路徑上SVR貝葉斯組合
作者：王梅; 曾昭虎; 孫鶯萁; 楊二龍; 宋考平 東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院; 黑龍江大慶163318; 北京德威佳業(yè)科技有限公司博士后科研工作站; 北京100020; 大慶油田有限責(zé)任公司第五采油廠信息中心; 黑龍江大慶163318; 東北石油大學(xué)教育部提高油氣采收率重點(diǎn)實(shí)驗(yàn)室; 黑龍江大慶163318
摘要：在ε-不敏感支持向量回歸（ε—insensitive support vector regression，ε-SVR）正則化路徑的基礎(chǔ)上，提出基于輸入盡近鄰的三步式SVR模型組合方法。在整個(gè)樣本集上進(jìn)行訓(xùn)練，求得ε—SVR的正則化路徑。由SVR正則化路徑的分段線性性質(zhì)確定初始模型集合，并應(yīng)用平均貝葉斯信息準(zhǔn)則（Bayesian Information Criterion，BIC）策略對(duì)初始模型集合進(jìn)行修剪以獲得候選模型集合。該修剪策略可減小候選模型集合的規(guī)模，提高模型組合的計(jì)算效率和預(yù)測(cè)性能。在預(yù)測(cè)或測(cè)試階段，根據(jù)樣本輸入向量采用缸近鄰法確定最終組合模型集合，并實(shí)現(xiàn)貝葉斯組合預(yù)測(cè)。證明了ε-SVR模型組合的Lε-風(fēng)險(xiǎn)-致性，給出了SVR模型組合基于樣本的合理性解釋。試驗(yàn)結(jié)果驗(yàn)證了正則化路徑上基于輸入K-近鄰的ε-SVR模型組合的有效性。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社。
山東工業(yè)大學(xué)學(xué)報(bào)雜志
山東工業(yè)大學(xué)學(xué)報(bào)雜志， 雙月刊，本刊重視學(xué)術(shù)導(dǎo)向，堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性，刊載內(nèi)容涉及的欄目：研究報(bào)告、文獻(xiàn)綜述、簡(jiǎn)報(bào)、專題研究等。于1986年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。
- 省級(jí)期刊
- 1個(gè)月內(nèi)審核
