一种新的最小二乘支持向量机算法

• 作者: 付丽华 张猛 张维
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 多项式核 偏差因子
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 学术探讨
• 页码范围: 33-34,103
• 页数: 3页
• 分类号: TP301.6
• 字数: 2672字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.11.011

摘要

基于核方法的学习算法在机器学习领域占有很重要的地位(如支持向量机Support Vector Machines,简称SVM).但该方法在处理回归问题时的计算复杂度为数据量的立方级.最小二乘支持向量机(Least Squares Support Vector Machines,简称LS-SVM)在计算复杂性方面对传统的支持向量机作了很大改进,但是它的计算量也达到样本点数目的平方级.在处理海量数据回归问题时,求解LS-SVM占用大量的CPU和内存资源.提出了一种带非齐次多项式核的最小二乘支持向量机算法,由于特征向量中含有常数分量,所以去掉了模型中的偏差因子,简化了LS-SVM的回归模型.新方法特别适合于海量数据回归问题.实验显示新方法的求解速度比传统LS-SVM快很多,同时新方法的准确性却丝毫不亚于LS-SVM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张猛	华中师范大学计算机科学系	12	49	4.0	7.0
2	付丽华	中国地质大学数学与物理学院	25	101	6.0	9.0
3	张维	华中师范大学计算机科学系	33	153	9.0	11.0