稀疏表示亲近支持向量机

• 作者: 严良达 陶剑文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 稀疏表示 亲近分类 流形学习 鲁棒性
• 年，卷（期）: 2014,（19）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 107-112,142
• 页数: 7页
• 分类号: TP181
• 字数: 5361字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1312-0091

摘要

通过广义特征值分类的局部信息亲近支持向量机（LIPSVM）将数据点分类到由广义特征值产生的两个不平行平面中最相近者，研究发现LIPSVM方法性能对模型参数具有较强的敏感性，对此，基于稀疏表示技术，提出一种鲁棒的稀疏表示亲近支持向量机（SPSVM），通过挖掘数据点间的有判别的稀疏表示信息，SPSVM除了保持LIPSVM所具备的运算时间快和分类精度高的优势外，还具备噪声学习环境下的鲁棒性（即对噪声或离群点数据具有自然的判别力），且避免了LIPSVM中模型参数选择问题。人工和基准数据集实验结果证实SPSVM具有相较于现有相关方法更优或可比较的学习性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶剑文	浙江大学宁波理工学院信息科学与工程学院	6	20	3.0	4.0
2	严良达	浙江工商职业技术学院电子与信息工程学院	20	39	3.0	5.0