• español
    • English
  • Login
  • español 
    • español
    • English

UniversidaddeCádiz

Área de Biblioteca, Archivo y Publicaciones
Comunidades y colecciones
Ver ítem 
  •   RODIN Principal
  • Producción Científica
  • Artículos Científicos
  • Ver ítem
  •   RODIN Principal
  • Producción Científica
  • Artículos Científicos
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Ordered Weighted Average Support Vector Regression

Thumbnail
Identificadores

URI: http://hdl.handle.net/10498/36650

DOI: 10.1016/j.eswa.2025.126882

ISSN: 0957-4174

ISSN: 1873-6793

Ficheros
OA_2025_0258.pdf (4.867Mb)
Estadísticas
Ver estadísticas
Métricas y Citas
 
Compartir
Exportar a
Exportar a MendeleyRefworksEndNoteBibTexRIS
Metadatos
Mostrar el registro completo del ítem
Autor/es
Martínez Merino, Luisa IsabelAutoridad UCA; Puerto, Justo; Rodríguez Chía, Antonio ManuelAutoridad UCA
Fecha
2025
Departamento/s
Estadística e Investigación Operativa
Fuente
Expert Systems with Applications - 2025, Vol. 274
Resumen
This paper introduces a novel Support Vector Regression (SVR) model that incorporates Ordered Weighted Average (OWA) operators to differently penalize deviations of observations from the ɛ-strip. The penalty is determined based on the position of each deviation in the ordered vector of all deviations. A key contribution of this work is the development of two nonlinear formulations: a continuous formulation for non-decreasing monotone weight vectors and a mixed-integer formulation for general weight vectors. By leveraging dual approaches associated with these formulations, the model accommodates nonlinear kernel functions. To enhance computational efficiency, two heuristic approaches are proposed for deriving suitable regression hyperplanes in reduced computation times, as compared to exact methods. Additionally, a third heuristic approach is developed to handle nonlinear kernel functions effectively. Computational experiments conducted on both real and synthetic datasets demonstrate that the exact formulations yield remarkable regression functions with respect to the following standard metrics: mean absolute errors (MAE) and mean squared errors (MSE). The heuristic approaches are shown to be particularly efficient for larger datasets, striking a balance between solution quality and computational effort.
Materias
Support vector regression; Ordered Weighted Average operators; Mixed integer quadratic programming; Goodness of fitting
Colecciones
  • Artículos Científicos [12009]
  • Articulos Científicos Est. I.O. [361]
  • Artículos Científicos INDESS [1043]
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Esta obra está bajo una Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Listar

Todo RODINComunidades y ColeccionesPor fecha de publicaciónAutoresTítulosMateriasEsta colecciónPor fecha de publicaciónAutoresTítulosMaterias

Mi cuenta

AccederRegistro

Estadísticas

Ver Estadísticas de uso

Información adicional

Acerca de...Deposita en RODINPolíticasNormativasDerechos de autorEnlaces de interésEstadísticasNovedadesPreguntas frecuentes

RODIN está accesible a través de

OpenAIREOAIsterRecolectaHispanaEuropeanaBaseDARTOATDGoogle Académico

Enlaces de interés

Sherpa/RomeoDulcineaROAROpenDOARCreative CommonsORCID

RODIN está gestionado por el Área de Biblioteca, Archivo y Publicaciones de la Universidad de Cádiz

ContactoSugerenciasAtención al Usuario