期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
精确增量式在线v型支持向量回归机学习算法
被引量：
7
1
作者
顾斌杰
潘丰
《控制理论与应用》
EI
CAS
CSCD
北大核心
2016年第4期466-478,共13页
为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首...
为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首先基于v-SVR的等价形式,利用提前调整,宽松的绝缘增量调整和精确的恢复调整有效地解决了v-SVR对偶问题存在的上述问题.然后分别对算法的可行性和有限收敛性进行了理论分析.最后在四个基准测试数据集上的仿真结果进一步验证了该算法的每一步调整都是可靠的,经过有限次数调整最终收敛到最小化问题的最优解,而且与批处理学习算法相比,随着训练样本的增加,算法在缩短学习时间上的优势显著.
展开更多
关键词
在线学习
v型支持向量回归机
机器学习
学习算法
可行
性
分析
有限收敛性分析
在线阅读
下载PDF
职称材料
精确增量式ε型孪生支持向量回归机
被引量：
1
2
作者
曹杰
顾斌杰
+1 位作者
潘丰
熊伟丽
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第6期1020-1032,共13页
为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的...
为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的二次损失对原有样本的影响,使得大部分原有样本依然满足Karush–Kuhn–Tucker(KKT)条件,从而获得一个有效的初始状态;其次对异常拉格朗日乘子逐步调整至满足KKT条件;然后从理论上分析了AIETSVR的可行性和有限收敛性;最后在基准测试数据集上进行仿真.结果表明,与现有的代表性算法相比,AIETSVR能够获得精确解,在缩短大规模数据集的训练时间上优势显著.
展开更多
关键词
机器学习
增量学习
在线学习
孪生支持向量回归机
学习算法
可行
性
分析
有限收敛性分析
在线阅读
下载PDF
职称材料
题名
精确增量式在线v型支持向量回归机学习算法
被引量：
7
1
作者
顾斌杰
潘丰
机构
江南大学轻工过程先进控制教育部重点实验室
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2016年第4期466-478,共13页
基金
国家自然科学基金资助项目(61273131
61403168)~~
文摘
为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首先基于v-SVR的等价形式,利用提前调整,宽松的绝缘增量调整和精确的恢复调整有效地解决了v-SVR对偶问题存在的上述问题.然后分别对算法的可行性和有限收敛性进行了理论分析.最后在四个基准测试数据集上的仿真结果进一步验证了该算法的每一步调整都是可靠的,经过有限次数调整最终收敛到最小化问题的最优解,而且与批处理学习算法相比,随着训练样本的增加,算法在缩短学习时间上的优势显著.
关键词
在线学习
v型支持向量回归机
机器学习
学习算法
可行
性
分析
有限收敛性分析
Keywords
online learning
v-support vector regression
machine learning
learning algorithms
feasibility analysis
finite convergence analysis
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
精确增量式ε型孪生支持向量回归机
被引量：
1
2
作者
曹杰
顾斌杰
潘丰
熊伟丽
机构
江南大学轻工过程先进控制教育部重点实验室
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第6期1020-1032,共13页
基金
国家自然科学基金项目(61773182)资助。
文摘
为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的二次损失对原有样本的影响,使得大部分原有样本依然满足Karush–Kuhn–Tucker(KKT)条件,从而获得一个有效的初始状态;其次对异常拉格朗日乘子逐步调整至满足KKT条件;然后从理论上分析了AIETSVR的可行性和有限收敛性;最后在基准测试数据集上进行仿真.结果表明,与现有的代表性算法相比,AIETSVR能够获得精确解,在缩短大规模数据集的训练时间上优势显著.
关键词
机器学习
增量学习
在线学习
孪生支持向量回归机
学习算法
可行
性
分析
有限收敛性分析
Keywords
machine learning
incremental learning
online learning
twin support vector regression
learning algorithms
feasibility analysis
finite convergence analysis
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
精确增量式在线v型支持向量回归机学习算法
顾斌杰
潘丰
《控制理论与应用》
EI
CAS
CSCD
北大核心
2016
7
在线阅读
下载PDF
职称材料
2
精确增量式ε型孪生支持向量回归机
曹杰
顾斌杰
潘丰
熊伟丽
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
