改进孪生支持向量机的一种快速分类算法

被引：1

作者：

高斌斌 ^{[1
]}

刘霞 ^{[2
]}

李秋林 ^{[1
]}

机构：

[1] 西南大学数学与统计学院

[2] 不详

来源：

重庆理工大学学报(自然科学) | 2012年 / 26卷 / 11期

关键词：

支持向量机; 孪生支持向量机; 坐标下降算法; 分类算法; 结构风险最小化原则;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为了提高孪生支持向量机(TSVM)的泛化性能,基于结构风险最小化的原则重构TSVM的原始优化问题,提出改进的TSVM(ITSVM)分类模型。为了加快ITSVM的训练进程,将坐标下降算法和收缩技术相结合求解该模型。仿真实验和真实数据实验表明,该方法不仅具有良好的分类性能,而且具有很快的学习速度。

引用

页码：98 / 103+108 +108

页数：7

共 14 条

[1] 基于支持向量机的混沌时间序列预测分析 [J].

朱光兆 ;

何伟 .

自动化与仪器仪表, 2012, (01) :145-147

[2] 基于混合核函数的支持向量机 [J].

邬啸 ;

魏延 ;

吴瑕 .

重庆理工大学学报(自然科学), 2011, (10) :66-70

[3] 基于多核优选的装备费用支持向量机预测法 [J].

余珺 ;

郑先斌 ;

张小海 .

四川兵工学报, 2011, 32 (06) :118-119+137

[4] 一种基于最小二乘支持向量机的图像增强算法 [J].

万辉 .

重庆理工大学学报(自然科学), 2011, 25 (06) :53-57

[5] 基于支持向量机的农村劳动力转移预测 [J].

唐晓芬 ;

赵秉新 .

安徽农业科学, 2011, 39 (11) :6837-6838

[6] 支持向量机理论与算法研究综述 [J].

丁世飞 ;

齐丙娟 ;

谭红艳 .

电子科技大学学报, 2011, 40 (01) :2-10

[7] 基于支持向量机的土地利用预警研究 [J].

张宏蕾 ;

张立亭 ;

罗亦泳 ;

陈竹安 .

安徽农业科学, 2010, 38 (35) :20503-20504

[8] 基于支持向量机的装备维修保障专业优化 [J].

王俊伟 ;

吴纬 .

四川兵工学报, 2010, 31 (09) :11-13

[9] MIMO最小二乘支持向量机污水处理在线软测量研究 [J].

黄银蓉 ;

张绍德 .

自动化与仪器仪表, 2010, (04) :15-17

[10] 基于支持向量机的飞行器健康诊断方法 [J].

崔建国 ;

李明 ;

陈希成 ;

吕瑞 ;

徐长君 ;

刘建民 ;

徐心和 .

压电与声光, 2009, 31 (02) :266-269

← 1 2 →