支持向量回归机多项式光滑函数逼近精度研究

本文主要探讨了"支持向量回归机多项式光滑函数的逼近精度"这一主题，针对支持向量回归机在处理非线性问题时遇到的挑战，作者冯能山和熊金志提出了一个五步求解策略。他们首先将多项式光滑函数的逼近精度问题转化为寻找一个特定的逼近函数的最大值问题，这是基于光滑函数的复杂性分析。他们指出，这个逼近函数具有对称性，这是解决此问题的关键特性。 接下来，他们分别求解了逼近函数在区间[0, ε]和(ε, +∞)上的最大值。通过这种分段处理，他们能够更精确地评估光滑函数的逼近效果。在找到这两个最大值后，他们对比它们的大小，从而确定了多项式光滑函数的逼近精度。 这种方法的有效性和正确性通过实例计算得到了验证，成功解决了无穷多个多项式光滑函数的逼近精度问题，这对于支持向量回归机在实际应用中的性能提升具有重要意义。他们的研究成果为光滑支持向量回归机提供了一种理论基础，使得这类模型在处理非线性数据拟合时能够更加精确和有效。 关键词包括：支持向量回归机（Support Vector Regression）、多项式光滑函数、逼近精度和对称函数，这些是论文的核心概念，展示了研究的焦点。论文发表于《智能系统学报》2013年第8卷第3期，同时提供了网络出版地址，便于读者查阅。该研究的中图分类号为TP18，文献标志码为A，文章编号为1673-4785(2013)03-0266-05，给出了中文和英文引用格式，以便学术交流和引用。 总结来说，这篇论文深入研究了如何通过支持向量回归机处理多项式光滑函数的逼近问题，为提升机器学习模型在实际场景中的表现提供了实用的理论工具和技术方法。