摘要
传统固定尺度的核函数模型不适合稀疏地表示震荡信号.为了提高震荡信号表示的稀疏性,提出了一种尺度可调的核函数模型的建立方法.该方法通过正交最小二乘算法进行逐步回归建模,选择每一个回归子时,利用群搜索算法优化残差目标函数,计算相应的核函数的尺度.实验结果表明,可调核函数模型比传统的固定尺度核函数模型具有更强的稀疏性和泛化能力.
Based on orthogonal least square algorithm（OLS）,a new type of scale-tunable kernel model is proposed to enhance the sparseness of representation for non-flat functions.At each regressor stage,the scale of each term is selected by minimizing the residual using group search optimizer.Experimental results indicate that the new method can produce a kernel function model with better sparseness and generalization than the traditional fix-scale kernel models.
出处
《小型微型计算机系统》
CSCD
北大核心
2011年第10期2114-2117,共4页
Journal of Chinese Computer Systems
基金
国家自然科学基金项目(60672049
60773167
90920005
11026145)资助
国家″十一五″科技支撑计划课题项目(2006BAK11B03)资助
中央高校科研业务费资助
湖北省自然科学基金项目(2010CDB04205)资助
关键词
群搜索优化子
核模型
正交最小二乘
group search optimizer（GSO）
kernel model
orthogonal least squares（OLS）
