论文部分内容阅读
研究了支持向量机（SVM）的原问题优化及其回归算法．在分析原问题与对偶问题最优化关系的基础上，引入了一种原问题求解的L—MBFGS—SVR算法．该算法在求解无约束优化问题时，引入了一类新的BFGS拟牛顿算法．它利用迭代的梯度和函数值来近似逆Hessian矩阵，以降低计算复杂性；并结合有限内存技术，来解决数据存储问题．仿真表明，该算法总体上优于IHLF—SVR—RFN和SMO算法，是一种有效的大样本非线性回归建模方法．