多尺度核支持向量回歸模型的研究.pdf

1、支持向量回歸機主要應(yīng)用于求解回歸問題，其學(xué)習(xí)效果很大程度上取決于核函數(shù)的選擇。對于核函數(shù)的研究，從最初的單個核函數(shù)的研究，到近幾年的多核學(xué)習(xí)方法，一直都是支持向量機理論研究的熱點問題。
　　目前，關(guān)于多尺度核支持向量回歸機的論文中，大多數(shù)的作者對核函數(shù)的研究僅限于多尺度化一個高斯徑向基核函數(shù)或某個具體的小波核函數(shù)。而在實際問題的應(yīng)用中，高斯徑向基核函數(shù)具有很好的學(xué)習(xí)能力，但是其泛化能力不高，而多尺度小波核函數(shù)支持向量回歸方法具有較

2、好的泛化能力，因此我們將兩者進行加權(quán)求和，構(gòu)造出一個新的核函數(shù)，使其能夠充分體現(xiàn)兩種核函數(shù)各自的特性。
　　為了提高支持向量回歸機模型的預(yù)測效果，除了選擇或構(gòu)造合適的核函數(shù)以外，還要求確定模型的最優(yōu)參數(shù)。針對本文模型的參數(shù)，采用DBCSAN聚類算法確定尺度個數(shù)，分別用離散系數(shù)和上四分位數(shù)來確定高斯徑向基核函數(shù)和小波核函數(shù)的寬度參數(shù)，剩余的模型參數(shù)即懲罰系數(shù)、核函數(shù)權(quán)系數(shù)和損失函數(shù)參數(shù)則通過混沌遺傳算法搜索得到。最后為了驗證模型的性