论文部分内容阅读
将临近支持向量分类机应用在回归问题上，提出临近支持向量回归机，给出线性与非线性情况下的回归函数，该方法比支持向量回归机（SVR）问题减少了参数和一半变量，比最小二乘支持向量回归机（LSSVMR）求解公式更加简单，且核函数不需要满足Mercer条件。数值实验结果表明，与SVR和LSSVMR相比，该方法的学习速度更快，且泛化能力较之不相上下。