改進的支持向量機回歸估計算法及其應用.pdf

1、支持向量機(SVM)是九十年代中葉Vapnik教授領導的研究小組提出的一種新的智能機器，源于七十年代迅速發(fā)展起來的統(tǒng)計學習理論，特別是體現(xiàn)了結構風險最小化的思想和方法。由于具有較完備的理論基礎和較好的學習性能，能很好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題，因而成為機器學習理論的研究熱點。SVM在很多領域都得到了成功的應用，如模式識別、回歸估計、函數(shù)逼近等。但是作為一種新興技術，SVM在很多領域的研究還有待于探索和完善，尤其在

2、回歸估計方面的研究還相當缺乏，如何設計快速有效的回歸估計算法就是SVM實際應用中的問題之一。 本文首先概要介紹了支持向量機的基本原理，并對幾種支持向量機回歸估計算法進行了研究和比較，通過理論推導，提出一種改進的支持向量機回歸估計算法SORR。而后，將SORR和標準的支持向量機回歸估計算法應用于醫(yī)學上三類血漿脂蛋白(VLDL、LDL、HDL)樣本中膽固醇含量測定，從回歸估計的學習速度和精度兩個方面對兩種算法進行了實驗比較。結果表明