自适应迭代算法支持向量集的特性研究

被引：3

作者：

杨晓伟 ^{[1
]}

欧阳柏平 ^{[1
]}

余舒 ^{[2
]}

吴春国 ^{[3
]}

梁艳春 ^{[3
]}

机构：

[1] 华南理工大学数学科学学院

[2] 华南理工大学计算机科学与工程学院

[3] 吉林大学计算机科学与技术学院

来源：

吉林大学学报(信息科学版) | 2006年 / 02期

基金：

广东省自然科学基金;

关键词：

最小二乘支持向量机; 自适应迭代算法; 大样本分类; 增量学习; 逆学习;

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：

针对在支持向量机研究中,传统的优化方法无法处理规模不断扩大的分类问题,为设计适应大样本分类的训练算法,提出了基于块的自适应迭代算法。在该算法的训练过程中,块增量学习和逆学习交替进行,能够自动得到一个小的支持向量集。将该算法与SVML ight在支持向量数量方面进行了比较,计算了UC I(Un i-versity of Californ ia-Irvine)中的6个数据集和著名的Checkboard问题。结果表明:该自适应迭代算法确定的支持向量数一般不到SVML ight所得到的支持向量数的一半,其中70%多的支持向量被SVML ight所确定的支持向量集所包含,在支持向量选择方面具有高效性。

引用

页码：153 / 157

页数：5