基于自适应边界向量提取的多尺度

针对??-支持向量机(v-SVM) 用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题, 提出基于边界向量提取的多尺度v-SVM 建模方法. 该方法采用一种自适应边界向量提取算法, 从训练样本中预提取出包含全部支持向量的边界向量集, 以缩减训练样本规模, 并通过求解多尺度v-SVM 二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近. 仿真结果表明, 基于边界向量提取的多尺度v-SVM 比v-SVM 具有更好的回归结果.