一种改进的相关向量回归方法

摘要：

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法.当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型.随着异常点增加,求得的回归模型的泛化能力下降.针对这种情况,实现了一种改进的相关向量回归方法.首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型.通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性.

关键词：相关向量机、非线性回归、最小截平方和估计、似然函数、鲁棒性

所属期刊栏目：15

分类号：TP18(自动化基础理论)

资助基金：科研基地建设-首都世界城市顺畅交通协同创新中心-参与单位2011 协同PXM2014_014212_000020;学科建设-国家特殊需求-城市道路交通智能控制人才培养项目市级PXM2014_014212_000053;研究生培养-研究生教育-产学研联合培养研究生基地市PXM2014_014212_000032

在线出版日期：2015-02-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：241-244,249