未找到相关数据
最小二乘隐空间支持向量机
被引：10
作者：
王玲
薄列峰
刘芳
焦李成
机构：
[1] 西安电子科技大学智能信息处理研究所,西安电子科技大学智能信息处理研究所,西安电子科技大学计算机学院,西安电子科技大学智能信息处理研究所西安,西安,西安,西安
来源：
关键词：
最小二乘隐空间支持向量机;
隐空间支持向量机;
支持向量机;
最小二乘支持向量机;
核函数;
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：
在隐空间中采用最小二乘损失函数,提出了最小二乘隐空间支持向量机(LSHSSVMs).同隐空间支持向量机(HSSVMs)一样,最小二乘隐空间支持向量机不需要核函数满足正定条件,从而扩展了支持向量机核函数的选择范围.由于采用了最小二乘损失函数,最小二乘隐空间支持向量机产生的优化问题为无约束凸二次规划,这比隐空间支持向量机产生的约束凸二次规划更易求解.仿真实验结果表明所提算法在计算时间和推广能力上较隐空间支持向量机存在一定的优势.
引用
收藏
页码：1302 / 1307
页数：6
相关论文