代价约束多核最小二乘支持向量机及其应用

• 作者: 任会峰 桂卫华 鄢锋 阳春华
• 来源期刊: 信息与控制
• 关键词: 代价约束 多核学习 最小二乘支持向量机 稀疏性 泡沫浮选 回收率
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 617-621
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2012.00617

摘要

针对多核最小二乘支持向量机(multiple kernel least squares support vector machine,MK-LSSVM)忽略了核函数的代价以及缺乏稀疏性的问题,提出了一种代价约束的稀疏多核最小二乘支持向量机方法.将MK-LSSVM的原始优化问题转化为二阶锥规划形式,引入核函数代价因子,约束复杂核函数的权重,以节约变量存储空间利计算时间,利用Schmidt 正交化理论约简核矩阵,进一步减小计算量,并根据支持向量的数目以及活动核函数的类型评估多核学习的总代价.测试数据集仿真结果表明,相比传统的MK-LSSVM,该方法利用更少的支持向量和更简单的组合核函数达到了相同的精度要求,代价更小.采用该方法预测浮选回收率的代价值降低了27.56.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
3	鄢锋	中南大学信息科学与工程学院	9	106	4.0	9.0
4	任会峰	中南大学信息科学与工程学院	13	82	5.0	9.0