Least absolute deviation-based robust support vector regression
Least absolute deviation-based robust support vector regression
复制标题
基于最小绝对偏差的鲁棒支持向量回归
DOI：
10.1016/j.knosys.2017.06.009
复制
发表时间：
2017-09
影响因子：
8.8
通讯作者：
Liu Guolin
中科院分区：
文献类型：
--
作者：
Chen Chuanfa;Li Yanyan;Yan Changqing;Guo Jinyun;Liu Guolin
To suppress the influence of outliers on function estimation, we propose a least absolute deviation (LAD)-based robust support vector regression (SVR). Furthermore, an efficient algorithm based on the split-Bregman iteration is introduced to solve the optimization problem of the proposed algorithm. Both artificial and benchmark datasets are employed to compare the performance of the proposed algorithm with those of least squares SVR (LS-SVR), and two weighted versions of LS-SVR with the weight functions of Hampel and Logistic, respectively. Experiments demonstrate the superiority of the proposed algorithm.
登录
查看更多内容
影响因子：
5.8
作者：
K. Brabanter;J. Suykens;B. Moor
通讯作者：
K. Brabanter;J. Suykens;B. Moor
影响因子：
6
作者：
Zhang Xiekai;Ding Shifei;Xue Yu
通讯作者：
Xue Yu
用于异常值回归的鲁棒非凸最小二乘损失函数
DOI：
10.1016/j.knosys.2014.08.003
发表时间：
2014-11
期刊：
Knowledge-Based System
影响因子：
--
作者：
Wang Kuaini;Zhong Ping
通讯作者：
Zhong Ping
DOI：
10.5391/ijfis.2015.15.2.96
发表时间：
2015-06
期刊：
Int. J. Fuzzy Log. Intell. Syst.
影响因子：
--
作者：
Heesung Lee;Euntai Kim
通讯作者：
Heesung Lee;Euntai Kim
DOI：
10.1080/01621459.1984.10477105
发表时间：
1984-12
影响因子：
3.7
作者：
P. Rousseeuw
通讯作者：
P. Rousseeuw