基于梯度信息的最小二乘支持向量回归机

摘要

经典的最小二乘支持向量回归机是基于样本点来构建模型,没考虑样本点处的梯度信息。如果样本信息容易获得,则可将其用于构建回归模型。有学者提出了一种基于梯度信息的构建方法,但其构建是基于泰勒展开,简单地将梯度信息插入到泰勒展开式中,并需要人为地去设定邻域的大小。本文另辟蹊径,将梯度信息作为第二类变量融入到核矩阵中直接构建优化模型,使模型的构建更为简捷直观,并据此得到一种新的基于梯度信息的最小二乘支持向量回归机模型。所提模型通过了一个二维函数的验证,实验表明,与传统的最小二乘支持向量回归机相比,考虑梯度信息的最小二乘支持向量回归机模型显著地提高了其预测精度。