局部学习支持向量机

被引：14

作者：

陶剑文 ^{[1
,2
]}

王士同 ^{[1
]}

机构：

[1] 江南大学信息工程学院

[2] 浙江工商职业技术学院信息工程学院

来源：

控制与决策 | 2012年 / 10期

关键词：

局部学习; 流形学习; 支持向量机; 散度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对传统支持向量机不能较好地利用数据空间局部信息的问题,提出一种基于局部学习的支持向量机.通过同时最小化局部内散度和最大化局部间散度信息来寻求一个最优的分类决策函数.为了更好地反映数据的局部几何特征,该方法采用适于局部学习的测地线距离来度量数据点对间的相似性.另外,通过引入一个能同时控制间隔误差上界和支持向量下界的参数,进一步提升学习泛化能力.人造和实际数据集实验验证了所提出方法的有效性.

引用

页码：1510 / 1515

页数：6

共 5 条

[1]

融合局部结构和差异信息的监督特征提取算法[J] 高全学;谢德燕;徐辉;李远征;高西全; 自动化学报 2010, 08

[2]

最大间隔最小体积球形支持向量机 [J].

文传军 ;

詹永照 ;

陈长军 .

控制与决策, 2010, 25 (01) :79-83

[3]

On minimum class locality preserving variance support vector machine[J] Xiaoming Wang;Fu-lai Chung;Shitong Wang Pattern Recognition 2010,

[4]

New Support Vector Algorithms[J] Bernhard Schölkopf;Alex J. Smola;Robert C. Williamson;Peter L. Bartlett Neural Computation 2000,

[5]

Efficient and robust feature extrac- tion by maximum margin criterion Li H;Jiang T;Zhang K; IEEE Transactions on Neural Networks 2006,

← 1 →