原文服务方: 西安交通大学学报       
摘要:
针对最小二乘支持向量机失去标准支持向量机稀疏特性的问题,提出了一种基于密度加权的稀疏化算法.首先计算样本的密度信息,对样本估计误差进行密度加权获得该样本对模型的可能贡献度;然后选取具有最大可能贡献度的样本作为支持向量,同时对支持向量样本邻域内的其他样本密度信息进行削减,从而避免相似样本被选中为支持向量;再选择剩余样本中具有最大可能贡献度的样本添加到支持向量集中,直到模型性能满足要求.仿真和实际应用表明,与Suykens提出的标准稀疏化算法相比,所提出的算法能有效剔除冗余支持向量,具有更好的稀疏性和鲁棒性.
推荐文章
稀疏最小二乘支持向量机及其应用研究
最小二乘支持向量机
核偏最小二乘辨识
智能建模
负熵最小化加权最小二乘支持向量机及其应用
加权最小二乘支持向量机
负熵
稀疏权重
钴结壳识别
底质识别
基于稀疏最小二乘支持向量机的软测量建模
遗传算法
参数识别
整体优化
软测量
最小二乘支持向量机
4-CBA含量
基于改进的加权最小二乘支持向量机的空间桁架建模
加权最小二乘支持向量机
非线性建模
希尔伯特变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于密度加权的最小二乘支持向量机稀疏化算法
来源期刊 西安交通大学学报 学科
关键词 最小二乘支持向量机 密度加权 稀疏化 磨机负荷
年,卷(期) 2009,(10) 所属期刊栏目
研究方向 页码范围 11-15
页数 5页 分类号 TP18
字数 语种 中文
DOI 10.3321/j.issn:0253-987X.2009.10.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曹晖 西安交通大学电气工程学院 31 215 8.0 12.0
2 司刚全 西安交通大学电气工程学院 29 249 10.0 14.0
3 张彦斌 西安交通大学电气工程学院 33 405 12.0 19.0
4 贾立新 西安交通大学电气工程学院 13 306 8.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (23)
同被引文献  (44)
二级引证文献  (71)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(8)
  • 引证文献(7)
  • 二级引证文献(1)
2013(10)
  • 引证文献(2)
  • 二级引证文献(8)
2014(8)
  • 引证文献(1)
  • 二级引证文献(7)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(12)
  • 引证文献(3)
  • 二级引证文献(9)
2018(18)
  • 引证文献(2)
  • 二级引证文献(16)
2019(19)
  • 引证文献(0)
  • 二级引证文献(19)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
最小二乘支持向量机
密度加权
稀疏化
磨机负荷
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导