最小二乘孪生参数化不敏感支持向量回归机

来源：软件学报杂志2017年第12期北京时间：

作者：丁世飞,黄华娟

单位：丁世飞，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 10019011,黄华娟，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 100190;广西民族大学 信息科学与工程学院, 广西 南宁 53000602

摘要：孪生参数化不敏感支持向量回归机（twin parametric insensitive support vector regression，简称TPISVR）是一种新型机器学习方法.与其他回归方法相比，TPISVR在处理异方差噪声方面具有独特的优势.标准TPISVR的训练算法可以归结为在对偶空间求解一对具有不等式约束的二次规划问题.然而，这种求解方法的时间消耗比较大.引入最小二乘思想，将TPISVR的两个二次规划问题转化为两个线性方程组，并在原始空间上直接求解，提出了最小二乘孪生参数化不敏感支持向量回归机（least squares TPISVR，简称LSTPISVR）.为了解决LSTPISVR的参数选择问题，提出了混沌布谷鸟优化算法，并用其对LSTPISVR的参数进行优化选择.在人工数据集和UCI数据集上的实验结果表明：LSTPISVR在保持精度不下降的情况下，具有更高的运行效率.

关键词：孪生参数化不敏感支持向量回归机;异方差性;最小二乘;混沌布谷鸟优化算法

基金资助：国家自然科学基金（61379101，61662005，61672522）；国家重点基础研究发展计划（973）（2013CB329502）