基于全局代表指标的LSSVM最优稀疏化算法

• 作者: 张世荣 童博
• 来源期刊: 三峡大学学报（自然科学版）
• 学科: 工学
• 关键词: 最小二乘支持向量机 优化稀疏化 粒子群优化算法 全局代表指标
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机电工程
• 页码范围: 93-99,106
• 页数: 8页
• 分类号: TP301.6
• 字数: 5864字
• 语种: 中文
• DOI: 10.13393/j.cnki.issn.1672-948X.2020.02.017

摘要

缺少稀疏性是最小二乘支持向量机(least square support vector machine,LSSVM)的主要问题之一,本文针对此问题提出一种LSSVM的最优稀疏化算法.首先,定义了特征空间中样本的密度、离散度并进一步导出样本的全局代表指标(global representative indicator,GRI).然后,以样本剪切率和邻域大小为优化变量,以校验样本集的均方根误差(root-mean-square error,RMSE)为目标函数将LSSVM的稀疏化问题转换为带约束的最优化问题;其中,样本剪切以GRI为指标进行.针对优化问题提出了基于PSO的求解方法.最后,以二维sin c函数模型为对象探讨了GRI指标与样本支持值的关系,验证了本文最优稀疏化算法的正确性和合理性,并呈现了3种稀疏化方法的对比研究结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张世荣	武汉大学电气与自动化学院	40	114	5.0	8.0
2	童博	武汉大学电气与自动化学院	2	0	0.0	0.0