一种高效的最小二乘支持向量机分类器剪枝算法

被引：4

作者：

杨晓伟 ^{[1
]}

路节 ^{[2
]}

张广全 ^{[2
]}

机构：

[1] 华南理工大学数学科学学院

[2] 悉尼科技大学信息技术学院

来源：

计算机研究与发展 | 2007年 / 07期

基金：

广东省自然科学基金;

关键词：

最小二乘支持向量机; 剪枝; 块增量学习; 逆学习; 自适应;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对最小二乘支持向量机丧失稀疏性的问题,提出了一种高效的剪枝算法.为了避免解初始的线性代数方程组,采用了一种自下而上的策略.在训练的过程中,根据一些特定的剪枝条件,块增量学习和逆学习交替进行,一个小的支持向量集能够自动形成.使用此集合,可以构造最终的分类器.为了测试新算法的有效性,把它应用于5个UCI数据集.实验结果表明:使用新的剪枝算法,当增量块的大小等于2时,在几乎不损失精度的情况下,可以得到稀疏解.另外,和SMO算法相比,新算法的速度更快.新的算法不仅适用于最小二乘支持向量机分类器,也可向最小二乘支持向量回归机推广.

引用

页码：1128 / 1136

页数：9

共 5 条

[1] 多拉格朗日乘子协同优化的SVM快速学习算法研究 [J].