论文部分内容阅读
参数调节问题是支持向量回归的基本问题,已有的参数调节方法主要采用内外双层优化框架，调节过程中，训练学习器与更新超参数交替进行,这种嵌套结构具有较高的计算复杂性．针对这一问题，提出了支持向量回归多参数的同时调节模型．首先，将Lagrange乘子、惩罚因子、不敏感度参数和核函数参数合并为一个参数向量，推导出支持向量回归问题的一个新的表示形式，可将原来分离的双层调节过程整合为一个单层调节过程．然后，应用贯序无约束极小化技术（SUMT），将支持向量回归问题转化为多元无约束优化问题,在此基础上，应用变尺度方法（VM