迭代重加权最小二乘支持向量机快速算法研究

• 作者: 温雯 邵壮丰 郝志峰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 支持向量机 稳健性 异常样本 快速算法
• 年，卷（期）: 2010,（8）
• 页码范围: 224-228,297
• 分类号: TP3
• 字数: 6348字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.08.048

摘要

迭代重加权(Iteratively Reweighted)方法是提高最小二乘支持向量机(LS-SVM)稳健性的重要手段,但由于涉及到多次加权和重复训练,该方法需要大量运算,无法广泛应用.通过数值推导,获得了求解迭代重加权最小二乘支持向量机(IRLS-SVM)的快速算法,大幅度减少了其运算复杂度.引入了3种经典的加权函数,并在多个仿真数据集和实际数据集上进行实验,证实了IRLS-SVM能获得相当稳健的学习结果,所提出的快速算法也确实能够大幅度减少训练时间.实验结果同时表明,在快速训练算法的框架下,3种不同的权重函数可能要求不同的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
5	温雯	广东工业大学计算机学院	48	272	10.0	14.0
6	邵壮丰		3	20	2.0	3.0