相關向量機增量學習算法研究及其應用.pdf

1、相關向量回歸（Relevance Vector Regression，RVR）是機器學習領域一種旨在擬合目標數(shù)據(jù)的重要學習方法，因其具有稀疏性、全局最優(yōu)性和能夠利用核函數(shù)解決非線性問題等特點而備受關注。本文研究在線增量相關向量機數(shù)據(jù)預測研究的理論和方法，以相關向量機和增量學習為基礎，建立相關向量機稀疏概率模型，提出高精度自適應增量在線學習機制，實現(xiàn)有效提高相關向量機建模精度和在線學習預測實時性與可靠性的目標。主要研究工作如下：
　

2、　（1）基于相關向量回歸增量學習（IRVR）算法提出一種L增量相關向量回歸（LIRVR）算法，該算法主要針對因IRVR中相關向量丟失所產生的不利影響，通過保留相關向量樣本而淘汰非相關向量樣本，加強相關向量在增量學習過程中的作用，同時降低了算法的時空復雜度。在人工數(shù)據(jù)集中，通過相關測試，驗證了該算法在預測精度與效率上的可行性。
　?。?）在增量學習過程中，通過研究樣本集中每個樣本自身的特性，充分挖掘樣本的分布信息和誤差信息，并在此基

3、礎上提出代表樣本特性的局部密度因子和誤差因子，然后將樣本特性嵌入到LIRVR算法中，提出基于樣本特性的相關向量回歸增量學習（SCBIRVR）算法。該算法充分考慮樣本特性，保證了算法對數(shù)據(jù)的有效性。
　　（3）光纖光柵傳感器相比于電類等傳感器，具有精度高、無電傳輸、抗電磁干擾等優(yōu)點。將SCBIRVR算法應用于基于光纖光柵的高鐵軌道安全監(jiān)測系統(tǒng)中，不僅能夠實時監(jiān)測高鐵運行狀況，獲得可靠的運行數(shù)據(jù)，而且可以在監(jiān)測高鐵運行狀況的同時，利用