自适应迭代算法支持向量集的特性研究

• 作者: 余舒 吴春国 杨晓伟 梁艳春 欧阳柏平
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 153-157
• 页数: 5页
• 分类号: TP181
• 字数: 2473字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2006.02.008

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SVMLight在支持向量数量方面进行了比较,计算了UCI(University of California-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SVMLight所得到的支持向量数的一半,其中70%多的支持向量被SVMLight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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁艳春	吉林大学计算机科学与技术学院	73	723	15.0	25.0
2	杨晓伟	华南理工大学数学科学学院	38	588	12.0	24.0
3	余舒	华南理工大学计算机科学与工程学院	3	14	2.0	3.0
4	吴春国	吉林大学计算机科学与技术学院	18	272	6.0	16.0
5	欧阳柏平	华南理工大学数学科学学院	1	8	1.0	1.0