八种最小二乘SVM型学习算法的优势比较

• 作者: 夏文静 范丽亚 陈耿
• 来源期刊: 聊城大学学报（自然科学版）
• 学科: 数学
• 关键词: 最小二乘支持向量机 有效稀疏 孪生支持向量机 1-范数 分类问题
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 基础科学研究
• 页码范围: 33-41
• 页数: 9页
• 分类号: O224
• 字数: 6824字
• 语种: 中文

摘要

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范丽亚	聊城大学数学科学学院	47	78	5.0	6.0
2	夏文静	聊城大学数学科学学院	1	9	1.0	1.0
3	陈耿		1	9	1.0	1.0