您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201307-216
论文题目 基于Ramp损失函数的原空间支持向量回归机
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于Ramp损失函数的原空间支持向量回归机

首发时间:2013-07-15

袁玉萍 1   

袁玉萍,(1970-),女,副教授,运筹学与优化。

安增龙 2   

安增龙(1962),男,教授,人力资源管理

张宏礼 3   

张宏礼(1970),男,教授,信息学

  • 1、黑龙江八一农垦大学理学院,黑龙江 大庆 163319
  • 2、黑龙江八一农垦大学经济管理学院
  • 3、黑龙江八一农垦大学理学院

摘要:支持向量回归机模型的性能与所选的损失函数有很大关系。提出一种基于不对称形式的二次不敏感控制型Ramp损失函数的支持向量回归机,采用凹凸过程优化和光滑技术算法,将非凸优化问题转化为连续、二次可微凸优化问题,利用Amijo-Newton优化算法求解所建立的优化模型,并分析了算法的收敛性。该算法不仅可以保持支持向量的稀疏性,而且还可以控制训练样本中的异常值。实验结果表明,该模型保持了很好的泛化能力,无论对模拟数据还是标准数据都具有一定的拟合精度,与标准支持向量机模型相比,不仅能够降低噪声和孤立点的影响而且也具有较强的鲁棒性。

关键词: 运筹学其它学科 异常值 损失函数 凹凸过程

For information in English, please click here

Support vector regression in the primal space based on the Ramp loss function

YUAN Yuping 1   

袁玉萍,(1970-),女,副教授,运筹学与优化。

AN Zenglong 2   

安增龙(1962),男,教授,人力资源管理

ZHANG Hongli 3   

张宏礼(1970),男,教授,信息学

  • 1、Heilongjiang Bayi Agricultural University,College of Sciences, Daqing 163319
  • 2、Heilongjiang Bayi Agricultural University,College of Economics&Management ,Daqing 163319
  • 3、Heilongjiang Bayi Agricultural University ,College of Sciences,Dqing 163319

Abstract:In this paper the function of support vector regression machine model relies much on the loss function chosen. On the basis of quadratic insensitive control type loss function Ramp with asymmetric form, support vector regression machine model is proposed. Adopting the concave and convex process optimization and the smooth technology algorithm, transforming the non-convex optimization to the continuous, quadratic differentiable convex optimization. Using the Amijo-Newton optimized algorithm to solve the proposed model and analyzing the convergence of the algorithm. The algorithm not only keeps the sparse nature of support vector, but also can control the abnormal values of the training sample. The experimental results show that the support vector regression machine model proposed keeps good generalization ability, and the model can better fit both the simulated data and the standard data. Compared with the standard support vector machine (SVM) model, the proposed model not only can reduce the effects of noise and outliers, but also has stronger robustness.

Keywords: theory of controls Support vector regression Outliers Loss function concave-convex procedure(CCCP)

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
袁玉萍,安增龙,张宏礼. 基于Ramp损失函数的原空间支持向量回归机[EB/OL]. 北京:中国科技论文在线 [2013-07-15]. http://www.paper.edu.cn/releasepaper/content/201307-216.

No.4548423813481137****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于Ramp损失函数的原空间支持向量回归机