多輸出數(shù)據(jù)支持向量回歸學(xué)習(xí)算法

　　針對基于遞推下降法的多輸出支持向量回歸算法在模型參數(shù)擬合過程中收斂速度慢、預(yù)測精度低的情況，使用一種基于秩2校正規(guī)則且具有二階收斂速度的修正擬牛頓算法（ BFGS）進行多輸出支持向量回歸算法的模型參數(shù)擬合，同時為了保證模型迭代過程中的下降量和全局收斂性，應(yīng)用非精確線性搜索技術(shù)確定步長因子。通過分析支持向量機（SVM）中核函數(shù)的幾何結(jié)構(gòu)，構(gòu)造數(shù)據(jù)依賴核函數(shù)替代傳統(tǒng)核函數(shù)，生成多輸出數(shù)據(jù)依賴核支持向量回歸模型。將模型與基于梯度下降法、修正牛頓法擬合的多輸出支持向量回歸模型進行對比。實驗結(jié)果表明，在200個樣本下該算法的迭代時間為72. 98 s，修正牛頓法的迭代時間為116. 34 s，遞推下降法的迭代時間為2065. 22 s。所提算法能夠減少模型迭代時間，具有更快的收斂速度。