摘要：本文提出了基于支持向量机与概率输出网络的深度学习回归模型．该回归模型利用深度学习的深层结构，以及支持向量机的泛化能力、概率输出网络中的条件概率估计特点，建立了多层支持向量机的深度学习结构，避免了深度学习的参数选择问题．其中核参数的选择域呈网格状，通过求取输出对应卢分布的累积概率分布和经验累积概率分布的K-S检验，求取一致性的P值最大对应的核参数作为支持向量机模型的核参数．对应的输出为模型提取的特征，作为下一层的输入，直至模型达到结束条件为止．仿真实验通过三个标准的回归数据集证明了本文提出模型的有效性．

关键词：支持向量机 概率输出网络 深度学习 

单位：西安理工大学自动化与信息工程学院; 西安710048