文献

J-GLOBAL ID：201702230329244145   整理番号：17A1127659

最小絶対偏差ベースロバストサポートベクトル回帰【Powered by NICT】

Least absolute deviation-based robust support vector regression

著者 (7件)： Chen Chuanfa (State Key Laboratory of Mining Disaster Prevention and Control Co-founded by Shandong Province and the Ministry of Science and Technology, Shandong University of Science and Technology, 266590 Qingdao, China) ,  Chen Chuanfa (College of Geomatics, Shandong University of Science and Technology, 266590 Qingdao, China) ,  Li Yanyan (Shool of Geodesy and Geomatics, Wuhan University, 430072 Wuhan, China) ,  Yan Changqing (Department of Information Engineering, Shandong University of Science and Technology, 271019 Taian, China) ,  Guo Jinyun (State Key Laboratory of Mining Disaster Prevention and Control Co-founded by Shandong Province and the Ministry of Science and Technology, Shandong University of Science and Technology, 266590 Qingdao, China) ,  Guo Jinyun (College of Geomatics, Shandong University of Science and Technology, 266590 Qingdao, China) ,  Liu Guolin (College of Geomatics, Shandong University of Science and Technology, 266590 Qingdao, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 131  ページ： 183-194  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 関数推定に対する異常値の影響を抑制するために,最小絶対偏差(LAD)に基づくロバストなサポートベクトル回帰(SVR)を提案した。さらに,分割Bregman反復法に基づく効率的なアルゴリズムを提案したアルゴリズムの最適化問題を解くために導入した。両人工とベンチマークデータセットを用いて,最小二乗SVR(LS SVR)と提案したアルゴリズムの性能,Hampelとロジスティックの重み関数を用いたLS-SVRの二重み付きバージョンを比較することであった。実験を行い,提案アルゴリズムの優位性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 最小二乗法 ,  逐次近似 ,  重み関数 ,  アルゴリズム ,  異常値 ,  最適化問題 ,  *ロバスト性
準シソーラス用語： *サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： サポートベクトル回帰 ,  ロバスト ,  異常値 ,  最小絶対偏差

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 偏差 ,  ロバスト ,  サポートベクトル回帰