|本期目录/Table of Contents|

[1]万辉,魏延.一种改进的最小二乘支持向量机算法 [J].重庆师范大学学报(自然科学版),2010,27(04):69-72.
　WAN Hui,WEI Yan.An Improved Least Square Support Vector Machines Algorithm [J].期刊社,2010,27(04):69-72.
点击复制

一种改进的最小二乘支持向量机算法
(PDF)
分享到：

重庆师范大学学报（自然科学版）[ISSN:1672-6693/CN:50-1165/N]

卷:
27
期数:
2010年04期
页码:
69-72
栏目:
理论与应用研究
出版日期:
2010-07-25

文章信息/Info

Title:
An Improved Least Square Support Vector Machines Algorithm
作者:
万辉; 魏延
Author(s):
WAN Hui; WEI Yan
关键词:
最小二乘支持向量机; 增量学习; 稀疏性
Keywords:
-
分类号:
-
DOI:
-
文献标志码:
A
摘要:
最小二乘支持向量机是标准支持向量机的一种扩展，它是支持向量机在二次损失函数下的一种形式。它用等式约束代替不等式约束，求解过程变为解一组等式方程，避免了求解耗时的二次规划问题，但同时也丧失了标准支持向量机的稀疏性，影响了二次学习的效率。针对上述问题，本文提出了一种改进的最小二乘支持向量机增量学习方法。改进的最小二乘支持向量机算法采用自适应剪枝方法对解进行稀疏，根据每次训练得到的分类器性能来设定剪枝阈值和样本增量的大小，如果得到的分类器性能好，剪枝阈值和样本增量就大，反之，剪枝阈值和样本增量就小，从而提高了最小二乘支持向量机训练效率，解决了稀疏性问题。最后，仿真实验表明该算法方案可行。
Abstract:
-

参考文献/References:

-

备注/Memo

备注/Memo:
-
更新日期/Last Update: 2010-08-13