论文部分内容阅读
支持向量顺序回归算法已成功应用于解决顺序回归问题，但其易受训练样本中野点的干扰。为此，提出一种截断误差的光滑型支持向量顺序回归（TLS-SVOR）算法。学习顺序回归模型时，将错划样本形成的误差s限制在范围u内。TLS-SVOR首先用包含参数u的分段多项式近似s；再引入光滑型支持向量机分类算法的思路，将优化目标转变为二次连续可微的无约束问题，从而由牛顿法直接求得唯一的决策超平面。采用两阶段的均匀设计方法确定TLS-SVOR的最优参数。实验结果表明，相比其他顺序回归算法，TLS-SVOR在多个数据集能获得更高