基于多尺度重采样思想的类指数核函数构造

BillScot2

摘 要：该文按照多尺度重采样思想，构造了一种类指数分布的核函数(ELK)，并在核回归分析和支持向量机分类
& ~: @( Q4 Y/ s4 n( }0 t' ?! s中进行了应用，发现 ELK 对局部特征具有捕捉优势。ELK 分布仅由分析尺度决定，是单参数核函数。利用 ELK
. B) A7 V: u4 W, L# C/ k! Q对阶跃信号和多普勒信号进行 Nadaraya-Watson 回归分析，结果显示 ELK 降噪和阶跃捕捉效果均优于常规 Gauss
2 G+ w' n9 e& [. O! f& X核，整体效果接近或优于局部加权回归散点平滑法(LOWESS)。多个 UCI 数据集的 SVM 分析显示，ELK 与径向
& j3 `4 U; C) B* E+ Q0 |基函数(RBF)分类效果相当，但比 RBF 具有更强的局域性，因此具有更细致的分类超平面，同时分类不理想时可
6 K' F- ?2 F! I能产生更多的支持向量。对比而言，ELK 对调节参数敏感性低，这一性质有助于减少参数优选的计算量。单参数
- G* ]7 H  y! [& W9 a的 ELK 对局域特征的良好捕捉能力，有助于这类核函数在相关领域得到推广。
6 k3 ]6 e3 `1 |7 b3 p" d  a关键词：多尺度重采样；Nadaraya-Watson 回归；支持向量机；类指数核函数


7 F  I) C, J5 {* u9 C

0 J& K* h+ a2 z* {0 y附件下载：

游客，如果您要查看本帖隐藏内容请回复

! z! h7 e4 G1 K8 c: I' |

wozuishuai

谢谢分享