最小二乘支持向量机分类的稀疏化方法研究
Research on Sparsification Approach for Least Squares Support Vector Machine Classification作者机构：南京审计学院信息科学学院南京211815 东南大学计算机科学与工程学院南京210096
出 版 物：《计算机工程》 (Computer Engineering)
年 卷 期：2011年第37卷第22期
页 面：145-147,150页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)]
基 金：国家自然科学基金资助项目(70971067 60905002) 江苏省高校自然科学重大基础研究基金资助项目(08KJA520001) 江苏省六大人才高峰基金资助项目(2007148) 江苏高校"青蓝工程"基金资助项目 江苏政府留学奖学金基金资助项目
主 题：支持向量机 最小二乘 稀疏化 分类 特征空间 二次规划
摘 要：最小二乘支持向量机在提高求解效率的同时,会丧失解的稀疏性,导致其在预测新样本时速度较慢。为此,提出一种稀疏化最小二乘支持向量机分类算法。在特征空间中寻找近似线性无关向量组,构造分类判别函数的稀疏表示,相应的最小二乘支持向量机优化问题可以通过线性方程组求解,从而得到最优判别函数。实验结果表明,该算法在不损失分类精度的前提下,能够获得比最小二乘支持向量机更快的预测速度。
维普期刊数据库
同方期刊数据库