基于相异度核空间的支持向量机算法

被引：7

作者：

王萌 ^{[1
,2
]}

孙树栋 ^{[1
,2
]}

机构：

[1] 西北工业大学系统集成与工程管理研究所

[2] 西北工业大学现代设计与集成制造技术教育部重点实验室

来源：

系统工程理论与实践 | 2013年 / 33卷 / 06期

关键词：

等距映射; 支持向量机; 加常数; 相异度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出基于相异度核空间的混合流形学习与支持向量机(SVMs)算法用于解决高维数据分类问题.该算法使用SVMs对流形学习降维后的低维嵌入做分类.通过加常数方法构造了衡量数据点相异度的特征空间.证明了该特征空间不仅能够衡量数据点之间的相异度,还满足Mercer条件对于支持向量机分类核空间的半正定性的要求.在仿真实验中,采用UCI机器学习数据库上标准分类数据集为样本.对比构造的相异度核空间与常用核函数如线性核、多项式核、高斯核在支持向量机分类时的分类精度来验证有效性和优越性.

引用

页码：1596 / 1600

页数：5

共 6 条

[1] 模糊近似支持向量机模型及其在信用风险评估中的应用 [J].