TY -的A2并且绕着圆圈圈打转,星矢盟——刘、健胃AU -李,双成非盟-罗,Xionglin PY - 2013 DA - 2013/08/05 TI -迭代再加权Noninteger规范起居SVM对基因表达数据分类SP - 768404六世- 2013 AB -支持向量机是一种有效的分类和回归方法,利用机器学习理论最大化数据的预测精度,同时避免过度拟合。 L2正规化是常用的。如果训练数据集包含许多噪声变量, L1正则化方法将提供一个更好的性能。然而,这两个 L1和 L2不是最优正则化方法将大量冗余值时,只有少量的数据点为机器学习是有用的。因此,我们提出了一个使用迭代再加权自适应学习算法 p规范调整支持向量机为0 < p≤2。创建一个模拟数据集评估算法。结果表明:a p值为0.8时能够产生更好的特征选择率高的精度。四个癌症数据集从公共数据银行也用于评估。所有四个评估表明,新的自适应算法能够实现最优的预测错误使用 p值小于 L1规范。此外,我们提出的观察 Lp惩罚是对变量比噪声干扰具有很强的鲁棒性 L1和 L2处罚。SN - 1748 - 670 - 2013/768404 / 10.1155 x你——https://doi.org/10.1155/2013/768404——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER