D近邻加权方法在 WSVR 中的应用研究

摘要

根据每个样本在整个样本空间中所处位置的分布来计算不同的权重值,可以更好地度量样本的局部性质.K近邻加权算法的有效性极大程度上依赖于参数K ,但是对参数 K的选取有很大的主观性.针对这一缺点,对改进的 K近邻算法(depend-ent nearest neighbor ,DNN)算法,提出一种基于 D近邻点的DNN加权样本方法,并将这种新的加权方法推广到权重支持向量回归机(weighted support vector regression ,WSVR)中. UCI公用数据集和股票指数数据实验结果显示,所提方法具有更高的拟合精度和更小的误差,验证了DNN-WSVR方法的可行性和有效性.