改進的支持向量機回歸估計算法及其應(yīng)用.pdf

1、支持向量機(SVM)是九十年代中葉Vapnik教授領(lǐng)導(dǎo)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(xué)習理論，特別是體現(xiàn)了結(jié)構(gòu)風險最小化的思想和方法。由于具有較完備的理論基礎(chǔ)和較好的學(xué)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(xué)習理論的研究熱點。SVM在很多領(lǐng)域都得到了成功的應(yīng)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(shù)，SVM在很多領(lǐng)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(shè)計快速有效的回歸估計算法就是SVM實際應(yīng)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(dǎo)，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(yīng)用于醫(yī)學(xué)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(xué)習速度和精度兩個方面對兩種算法進行了實驗比較。結(jié)果表明