关键词support vector regression
搜索结果 - 27
- 广义支持向量回归：对偶性和张量核表示
本文研究了支持向量回归的变分问题在巴拿赫函数空间中的应用，并利用 Fenchel-Rockafellar 对偶理论给出了对偶问题及相关最优性条件的解析公式；我们提出了一种新的张量核表示计算框架，充分适用于幂级数张量核，也包括指数和多项式核泛 - 使用深度学习进行盲图像质量评估
这篇研究使用深度学习技术进行失真通用的盲目图像质量评估，通过将子区域的评分进行平均池化，使用分类基础图像质量评估的 CNN 微调提取的特征，使用 SVR 机器计算每个子区域的评分，进而证明了该方法在 LIVE In the Wild 和 L - AAAITGSum: 基于推特的多文档摘要数据集构建
本研究提出了一种采用两种社交标签（即标签和链接）自动收集大规模新闻相关多文档摘要的有效方式，使用 ROUGE 指标和整数线性规划解决方案来生成摘要，收集的数据可用于支持向量回归自动文摘器的训练，提高了其性能。
- 使用支持向量回归预测在线视频的流行度
本文提出了一种基于时间和视觉线索的回归方法来预测在线视频的流行度，该方法使用支持向量回归与高斯径向基函数，证明了该方法相比于现有的算法在预测结果上更优且更稳定。同时，将社交和视觉元数据添加后可以进一步提升预测结果。
- 用密度泛函理论计算和机器学习技术结合预测 AX 二元化合物的带隙模型
应用机器学习技术，以 Kohn-Sham 带隙和元素和晶体结构等基本信息为预测因素，建立预测模型，预测了 156 种 AX 二元化合物的 G0W0 带隙，最佳模型为非线性支持向量回归，均方根误差为 0.18eV，这种方法估算的大量带隙有望用 - 多输出支持向量回归用于多步预测时间序列
使用多输出支持向量回归（M-SVR）和多输入多输出（MIMO）策略，实现了多步预测；论文比较了三种预测策略，并提供了实际影响；结果表明，M-SVR 使用 MIMO 策略实现了最准确的预测，但计算成本较低。
- 核回归在凸风险最小化中的一致性和稳健性
研究了一个广泛类别的现代基于核的回归方法的统计特性，包括与损失函数和响应变量的尾部关系、一致的 $L$-risk 以及这些方法的鲁棒性质，包括损失函数、核和封闭函数的组合，反应有限样本版本的敏感度曲线和 KBR 与经典 $M$ 估计器的关系