论文部分内容阅读
为提高支持向量机（SVM）ε不敏感损失函数下的回归算法的训练速度，提出了一种新的管道压缩模型，利用大ε值下的回归函数来预测小ε值下回归函数的支持向量。由该模型导出一种新的算法结构。在对记忆非线性功率放大器的SVM预失真器进行建模仿真中，将Keerthy的SMO算法同新的算法结构相结合，结果表明了新算法结构在不损失SVM预失真器性能的基础上，显著地提高了训练速度。