基于特征值分解的中心支持向量机算法

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.

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

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61373055, 61103128;111引智计划项目B12018;江苏省工业支持计划项目BE2012031 The National Natural Science Foundation of China61373055, 61103128;111 Project of Chinese Ministry of EducationB12018;Industrial Support Program of Jiangsu ProvinceBE2012031

在线出版日期：2016-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：557-564