基于中心加权的局部核向量机算法

• 作者: 伍少梅 唐宁九 李琳
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 双中心 超曲面 局部支持向量机 最小闭球 稳定均衡向量
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 612-617
• 页数: 6页
• 分类号: TP181
• 字数: 6004字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2014.04.025

摘要

为了解决大规模非线性分类中局部学习的不平衡性问题，提出一种改进的局部支持向量机算法，在高维特征空间中聚类后，为每一个簇构造局部非线性支持向量机。为了克服簇内样本的分布不均衡问题，根据闭合超平面不规则边界的几何特点，经过梯度下降寻找稳定均衡向量，以此构造簇几何中心；再结合簇密度中心共同约束类心形成双重加权中心。然后通过求解加权最小闭球问题实现对大规模样本向量的分类。对照实验显示，除了个别数据集以外，改进的算法在训练时间、测试时间以及测试精度等方面都比另外两种分类算法表现更佳。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍少梅	四川大学计算机学院	11	40	3.0	6.0
2	李琳	四川大学计算机学院	39	140	6.0	10.0
3	唐宁九	四川大学计算机学院	50	275	9.0	14.0