.png){kind=icon}
返回
Twin Parametric Margin Support Vector Regression Model with Huber Loss Function
.png){kind=icon}
PRE
AI
DOI：10.1002/mma.70748.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管近期已有SVR、TSVR和TPSVR等方法通过使用非平行超平面来提升训练速度，但它们仍对离群值和非高斯噪声敏感，如同基于不敏感损失函数的方法。我们提出了一种解决该问题的方法，即Huber化的TPSVR框架。该模型提供双重保护机制：参数化边界适应数据的局部密度，而集成的Huber损失函数则通过鲁棒噪声和极端离群值引导学习过程。我们在复杂化学和临床数据上的实验表明，Huber化的TPSVR在稳定性和准确性方面均显著优于标准模型，为处理现实世界中多维数据的复杂性提供了高效方法。
Keyword:
epsilon insensitive zone
Huber loss function
support vector regression (SVR)
twin support vector regression (TWSVR)
期刊
M
IF:
1.8
论文数:
698
被引数:
0
机构
引用论文
.png){kind=icon}
Improved v -Support vector regression model based on variable selection and brain storm optimization for stock price forecasting基于变量选择和头脑风暴优化的改进v-支持向量回归模型的股价预测
PREAI
分享收藏Advanced Machine Learning Model for Prediction of Drought Indices using Hybrid SVR-RSM基于混合svr-rsm的高级机器学习干旱指数预测模型
PREAI
分享收藏
Optimization of Microwave-Assisted Extraction Process for Production of Polyphenol-Rich Crude Extract from Cinnamomum iners Leaves微波辅助提取法从Cinnamomum iners叶片中制备富含多酚的粗提物的工艺优化
PREAI
分享收藏A hybrid HS-LS conjugate gradient algorithm for unconstrained optimization with applications in motion control and image recovery一种混合HS-LS共轭梯度算法，用于无约束优化，并在运动控制和图像恢复中具有应用
PREAI
分享收藏
查看更多内容