基于独立成分分析的分解向前SVM降维算法

• 作者: 宋丽红 朱思铭 罗泽举
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 独立成分分析 分解向前支持向量机 蛋白质序列识别
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 智能感知与识别处理
• 页码范围: 2249-2252
• 页数: 4页
• 分类号: TP391.4|TP181
• 字数: 3898字
• 语种: 中文

摘要

提出一种基于大样本学习的分解向前支持向量机算法和一种新的基于独立成分分析的降维学习模型,其算法的复杂度比传统块算法和标准SVM低.利用不完备ICA思想,达到数据压缩而降维的目的.实验发现,由于降低了输入维数,简化了数据结构,从而减少了SVM识别的计算复杂度,当把向量维数从110维降低到5维时,平均识别率超过传统神经网络达到93%,因而从计算时间和识别效率二者的综合情况来考虑,ICA降维模型是一种理想的实际应用模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱思铭	中山大学数学与计算科学学院	94	573	13.0	20.0
2	罗泽举	重庆工商大学计算机科学与信息工程学院	27	147	7.0	11.0
3	宋丽红	重庆工商大学实验实习中心	17	94	6.0	9.0