[1]冯能山,熊金志.支持向量回归机多项式光滑函数的逼近精度[J].智能系统学报,2013,8(3):266-270.
FENG Nengshan,XIONG Jinzhi.The approximation accuracies of polynomial smoothing functionsfor support vector regression[J].CAAI Transactions on Intelligent Systems,2013,8(3):266-270.
点击复制
FENG Nengshan,XIONG Jinzhi.The approximation accuracies of polynomial smoothing functionsfor support vector regression[J].CAAI Transactions on Intelligent Systems,2013,8(3):266-270.
支持向量回归机多项式光滑函数的逼近精度
《智能系统学报》[ISSN 1673-4785/CN 23-1538/TP] 卷:
8
期数:
2013年第3期
页码:
266-270
栏目:
学术论文—机器学习
出版日期:
2013-06-25
- Title:
- The approximation accuracies of polynomial smoothing functionsfor support vector regression
- 文章编号:
- 1673-4785(2013)03-0266-05
- Keywords:
- support vector regression; polynomial smoothing function; approximation accuracies; symmetric function
- 分类号:
- TP18
- 文献标志码:
- A
- 参考文献/References:
-
［1］LEE Y J, MANGASARIAN O L. SSVM: a smooth support vector machine for classification［J］. Computational Optimization and Applications, 2001, 22(1): 5-21.
［2］CHANG C C, CHIEN L J, LEE Y J. A novel framework for multi-class classification via ternary smooth support vector machine［J］. Pattern Recognition, 2011, 44(6): 1235-1244.
［3］钱晓山，阳春华．基于GEP的最小二乘支持向量机模型参数选择［J］．智能系统学报, 2012, 7(3): 225-229. QIAN Xiaoshan, YANG Chunhua. A parameter selection method of a least squares support vector machine based on gene expression programming［J］. CAAI Transactions on Intelligent Systems, 2012, 7(3): 225-229.
［4］LEE Y J, HSIEH W F, HUANG C M. ε-SSVR: a smooth support vector machine for ε-insensitive regression［J］. IEEE Transactions on Knowledge and Data Engineering, 2005, 17(5): 5-22.
［5］熊金志，胡金莲，袁华强，等．支持向量回归机的光滑函数研究［J］．模式识别与人工智能, 2008, 21(3): 273-279. XIONG Jinzhi, HU Jinlian, YUAN Huaqiang, et al. Smoothing functions for support vector regressions［J］. Pattern Recognition and Artificial Intelligence, 2008, 21(3): 273-279.
［6］熊金志，胡金莲，袁华强，等．一类光滑支持向量机新函数的研究［J］．电子学报, 2007, 35(2): 366-370. XIONG Jinzhi, HU Jinlian, YUAN Huaqiang, et al. Research on a new class of functions for smoothing support vector machines［J］. Acta Electronica Sinica, 2007, 35(2): 366-370.
［7］熊金志，徐建敏，袁华强．多项式光滑的支持向量回归机一般模型的收敛性研究［J］．计算机研究与发展, 2011, 48(3): 464-470. XIONG Jinzhi, XU Jianmin, YUAN Huaqiang. Convergenceness of a general formulation for polynomial smooth support vector regressions［J］. Journal of Computer Research and Development, 2011, 48(3): 464-470.
［8］李国正，王猛，曾华军．支持向量机导论［M］．北京：电子工业出版社, 2004: 89-99.
［9］邓乃扬，田英杰．数据挖掘的新方法—支持向量机［M］．北京：科学出版社, 2008: 111-122.
［10］李庆扬，王能超，易大义．数值分析［M］．5版．北京：清华大学出版社, 2011: 125-136.
- 相似文献/References:
-
[1]李雪耀,张汝波,王武.基于支持向量回归机的HHT边界效应处理[J].智能系统学报,2007,2(3):39.
LI Xue-yao,ZHANG Ru-bo,WANG Wu.End effects processing in HHT based on support vector regression machines[J].CAAI Transactions on Intelligent Systems,2007,2():39.
备注/Memo
收稿日期： 2012-11-02.
网络出版日期： 2013-05-15.
基金项目：广东省自然科学基金资助项目（9151170003000017）；东莞市科技计划资助项目（2012108102027）.
通信作者：熊金志.
E-mail：dgxiongjinzhi@126.com.
作者简介：冯能山，男，1972年生，讲师，博士研究生，主要研究方向为人工智能、软件工程.
熊金志，男，1964年生，教授，中国计算机学会高级会员，东莞市科技创新团队核心成员，主要研究方向为人工智能.作为核心成员承担国家自然科学基金项目2项，主持广东省科研项目3项、东莞市科研项目1项.获广东省科技进步二等奖和三等奖各1项、东莞市科技进步一等奖2项.发表学术论文40余篇，被SCI、EI、ISTP检索10余篇.
更新日期/Last Update:
2013-08-29