Robust regression with extreme support vectors
Robust regression with extreme support vectors
复制标题
具有极端支持向量的稳健回归
DOI：
10.1016/j.patrec.2014.04.016
复制
发表时间：
2014-08
影响因子：
5.1
通讯作者：
Qing, Laiyun
中科院分区：
文献类型：
--
作者：
Zhu, Wentao;Miao, Jun;Qing, Laiyun
极端支持向量机（ESVM）是一种基于正则化最小二乘优化的非线性鲁棒支持向量机二值分类算法。本文提出了一种基于极端支持向量机的回归算法-极端支持向量回归（ESVR）。此外，内核ESVR的建议，以及。实验结果表明，与极限学习机（ELM）、支持向量回归机（SVR）和最小二乘支持向量回归机（LS-SVR）等传统的单隐层前向神经网络相比，ESVR具有更好的泛化能力。此外，ESVR的学习速度比SVR和LS-SVR快得多。本文还对这些算法的稳定性和鲁棒性进行了研究，结果表明，ESVR算法具有更好的鲁棒性和稳定性。
Extreme Support Vector Machine (ESVM) is a nonlinear robust SVM algorithm based on regularized least squares optimization for binary-class classification. In this paper, a novel algorithm for regression tasks, Extreme Support Vector Regression (ESVR), is proposed based on ESVM. Moreover, kernel ESVR is suggested as well. Experiments show that, ESVR has a better generalization than some other traditional single hidden layer feedforward neural networks, such as Extreme Learning Machine (ELM), Support Vector Regression (SVR) and Least Squares-Support Vector Regression (LS-SVR). Furthermore, ESVR has much faster learning speed than SVR and LS-SVR. Stabilities and robustnesses of these algorithms are also studied in the paper, which shows that the ESVR is more robust and stable.
登录
查看更多内容
影响因子：
--
作者：
Liang, Nan-Ying;Huang, Guang-Bin;Sundararajan, N.
通讯作者：
Sundararajan, N.
影响因子：
5.1
作者：
Hieu Trung Huynh;Won, Yonggwan
通讯作者：
Won, Yonggwan
影响因子：
6
作者：
Huang, Guang-Bin;Zhu, Qin-Yu;Siew, Chee-Kheong
通讯作者：
Siew, Chee-Kheong
DOI：
--
发表时间：
2010
期刊：
--
影响因子：
--
作者：
Benoît Frénay;M. Verleysen
通讯作者：
Benoît Frénay;M. Verleysen
DOI：
10.1007/978-3-540-68125-0_21
发表时间：
2008-05
期刊：
--
影响因子：
--
作者：
Qiuge Liu;Qing He;Zhongzhi Shi
通讯作者：
Qiuge Liu;Qing He;Zhongzhi Shi