加權(quán)支持向量機求解路徑算法研究

摘要：針對不同訓練樣本重要性的差異對模型推廣能力的影響，提出了對各個樣本的誤差懲罰參數(shù)賦予不同權(quán)重的加權(quán)支持向量機求解路徑算法。根據(jù)樣本重要性的不同，利用分段線性插值得到加權(quán)系數(shù)，并通過加權(quán)系數(shù)調(diào)整求解路徑，從而改變不同樣本在回歸模型中的作用。采用支持向量機加權(quán)求解路徑算法對圓柱殼結(jié)構(gòu)在不同邊界條件下的時、頻域響應數(shù)據(jù)進行預測，訓練樣本的重要性通過與測試樣本的歐式距離來表達，結(jié)果顯示所提算法可減小位移響應在多個評價指標下的預測誤差，提高支持向量回歸機的推廣能力。該方法同樣適用于其他求解路徑算法，如λ-路徑算法和ν-支持向量回歸路徑算法。

關(guān)鍵詞：求解路徑；支持向量回歸；加權(quán)系數(shù)

中圖分類號：TP181 文獻標志碼：A 文章編號：0253—987X(2008)10—1226—04