最小二乘支持向量机分类的稀疏化方法研究

被引：7

作者：

陈圣磊 ^{[1
]}

陈耿 ^{[1
]}

薛晖 ^{[2
]}

机构：

[1] 南京审计学院信息科学学院

[2] 东南大学计算机科学与工程学院

来源：

计算机工程 | 2011年 / 37卷 / 22期

关键词：

支持向量机; 最小二乘; 稀疏化; 分类; 特征空间; 二次规划;

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：

最小二乘支持向量机在提高求解效率的同时,会丧失解的稀疏性,导致其在预测新样本时速度较慢。为此,提出一种稀疏化最小二乘支持向量机分类算法。在特征空间中寻找近似线性无关向量组,构造分类判别函数的稀疏表示,相应的最小二乘支持向量机优化问题可以通过线性方程组求解,从而得到最优判别函数。实验结果表明,该算法在不损失分类精度的前提下,能够获得比最小二乘支持向量机更快的预测速度。

引用

页码：145 / 147+150 +150

页数：4

共 5 条

[1] 基于支持向量的单类分类方法综述 [J].