-
题名基于最优间隔分布的最小二乘支持向量机
被引量：3
- 1
-
-
作者
张传雷
武孟艳
可婷
王波
王伟
-
机构
天津科技大学人工智能学院
思腾合力(天津)科技有限公司
-
出处
《天津科技大学学报》
CAS
2023年第2期56-62,共7页
-
基金
天津市自然科学基金资助项目(18JCZDJC32100)。
-
文摘
支持向量机(support vector machine,SVM)通过结构风险最小化构建模型,模型简单易理解,但求解过程较复杂;而最小二乘支持向量机(least squares support vector machine,LSSVM)求解的是一组线性方程组,其求解效率远高于SVM.然而,传统LSSVM忽略了样本点到超平面分布的影响.为了充分考虑数据的分布,本研究从LSSVM出发,加入最小化距离方差与最大化距离均值正则项,构建全新的LSSVM模型(LSSVM_rv和LSSVM_rm_rv模型).该模型的优势在于:依据数据的分布特征构建模型,分类效果更好;对偶问题仍是一组线性方程组,计算成本较小.大量的数值实验进一步验证上述模型的优越性,与传统SVM和LSSVM相比,在6个数据集上的分类准确率均有所提高,并且节省了大量的训练时间.
-
关键词
分类
最小二乘支持向量机
概率分布
泛化能力
-
Keywords
classification
least squares support vector machine
probability distribution
generalization ability
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
