基于特征值分解的中心支持向量机算法

• 作者: 吴小俊 陈素根
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 支持向量机 广义特征值中心支持向量机 两类分类 多类分类 特征值分解
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 论文
• 页码范围: 557-564
• 页数: 8页
• 分类号: TP391
• 字数: 6180字
• 语种: 中文
• DOI: 10.11999/JEIT150693

摘要

针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题,该文提出一类改进的基于特征值分解的中心支持向量机,简称为IGEPSVM.首先针对二分类问题提出了基于特征值分解的中心支持向量机,然后基于"一类对余类"策略将其推广到多类分类问题.将GEPSVM求解广义特征值问题转化为求解标准特征值问题,降低了计算复杂度.引入了一个新的参数,可以调节模型的性能,提高了GEPSVM的分类精度.提出了基于IGEPSVM的多类分类算法.实验结果表明,与GEPSVM算法相比较,IGEPSVM不仅提高了分类精度,而且缩短了训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	陈素根	江南大学物联网工程学院	32	101	6.0	9.0