基于主动学习的最小二乘支持向量机稀疏化

被引：9

作者：

余正涛 ^{[1
,2
]}

邹俊杰 ^{[1
,2
]}

赵兴 ^{[1
,2
]}

苏磊 ^{[1
,2
]}

毛存礼 ^{[1
,2
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 昆明理工大学智能信息处理重点实验室

来源：

南京理工大学学报 | 2012年 / 36卷 / 01期

关键词：

最小二乘支持向量机; 稀疏化; 主动学习; 分类;

D O I：

10.14177/j.cnki.32-1397n.2012.01.010

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

针对最小二乘支持向量机(LSSVM)稀疏化问题,提出一种基于主动学习的LSSVM数据稀疏化学习算法。首先基于核聚类的方法选取初始样本,并利用LSSVM构建一个最小分类器,然后计算样本在分类器作用下的分布,选择最接近分类面的样本进行标记,最后将该标记样本加入训练集建立新的分类器,重复上述过程直到模型精度满足要求,以此建立部分样本的LSSVM稀疏化模型。利用加利福尼亚大学欧文分校(UCI)提供的6种数据集进行实验,结果表明,提出的方法使LSSVM的稀疏性提高了46%以上,减少了标注样本带来的成本。

引用

页码：12 / 17

页数：6