适合多观测样本的基于LS-SVM的新分类算法

• 作者: 李欢 王士同
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模式识别 二分类 多观测样本 LS-SVM算法
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 113-119
• 页数: 7页
• 分类号: TP391.4
• 字数: 6436字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1412-0228

摘要

针对多观测样本的二分类问题,提出适合多观测样本的基于LS-SVM的新分类算法.每次分类中,待分类的模式使用多观测样本集进行表示,首先对多观测样本集的标签进行假设,将此假设条件作为LS-SVM中优化问题的约束条件,由此得到分类误差,通过比较两次假设下的分类误差确定多观测样本的类别.该方法无需提前训练获得分类器,而是同时利用已知标签样本和多观测样本集,充分利用同类样本在特征空间中连续分布的特点.最后通过三组实验验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	李欢	江南大学数字媒体学院	6	6	2.0	2.0