基于压缩感知的多尺度最小二乘支持向量机

• 作者: 沈远彤 王琴
• 来源期刊: 自动化学报
• 关键词: 最小二乘支持向量机 压缩感知 多尺度小波核 稀疏化 函数回归
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 631-640
• 页数: 10页
• 字数: 6709字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150296

摘要

提出一种基于压缩感知(Compressive sensing, CS)和多分辨分析(Multi-resolution analysis, MRA)的多尺度最小二乘支持向量机(Least squares support vector machine, LS-SVM)。首先将多尺度小波函数作为支持向量核,推导出多尺度最小二乘支持向量机模型,然后基于压缩感知理论,利用最小二乘匹配追踪(Least squares orthogonal matching pursuit, LS-OMP)算法对多尺度最小二乘支持向量机的支持向量进行稀疏化,最后用稀疏的支持向量实现函数回归。实验结果表明,本文方法利用不同尺度小波核逼近信号的不同细节,而且以比较少的支持向量能达到很好的泛化性能,大大降低了运算成本,相比普通最小二乘支持向量机,具有更优越的表现力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈远彤	中国地质大学武汉数学与物理学院	19	150	8.0	12.0
2	王琴	海南医学院信息技术部	7	16	1.0	4.0