最小二乘支持向量机分类的稀疏化方法研究

• 作者: 薛晖 陈圣磊 陈耿
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 最小二乘 稀疏化 分类 特征空间 二次规划
• 年，卷（期）: 2011,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 145-147,150
• 分类号: TP311.13
• 字数: 4511字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.22.047

摘要

最小二乘支持向量机在提高求解效率的同时,会丧失解的稀疏性,导致其在预测新样本时速度较慢.为此,提出一种稀疏化最小二乘支持向量机分类算法.在特征空间中寻找近似线性无关向量组,构造分类判别函数的稀疏表示,相应的最小二乘支持向量机优化问题可以通过线性方程组求解,从而得到最优判别函数.实验结果表明,该算法在不损失分类精度的前提下,能够获得比最小二乘支持向量机更快的预测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈耿	南京审计学院信息科学学院	81	565	13.0	20.0
2	陈圣磊	南京审计学院信息科学学院	24	75	4.0	7.0
3	薛晖	东南大学计算机科学与工程学院	11	26	3.0	4.0