基于迹比优化的正交子空间支持向量机

• 作者: 宋军 詹天明 陈潇君 陈祖爵
• 来源期刊: 扬州大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 正交子空间 迹比优化 特征提取
• 年，卷（期）: 2016,（3）
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2016.03.012

摘要

针对多平面支持向量机机器学习算法的分类性能受特征数量限制的问题,提出一种正交子空间支持向量机(orthogonal subspace support vector machine,OSSVM).首先为每类数据寻找一个正交子空间,使得该类数据和其他类数据在子空间中的投影存在较大间隔;然后基于迹比优化提出求解OSSVM模型的迭代算法,再利用核方法将OSSVM扩展为非线性模型.实验结果验证了本文算法在数据分类中具有良好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈祖爵		69	487	12.0	19.0
2	陈潇君		32	215	7.0	14.0
3	宋军		5	40	3.0	5.0
4	詹天明		4	2	1.0	1.0