迭代再权共轭梯度q范数正则化线性最小二乘-支持向量机分类算法
L2范数罚最小二乘-支持向量机(least square support vector machine algorithm,LS-SVM)分类器是得到广泛研究和使用的机器学习算法,其算法中正则化阶次是事先给定的,预设q=2.本文提出q范数正则化LS-SVM分类器算法,0＜q＜∞,把q取值扩大到有理数范围.利用网格法改变正则化权衡参数c和正则化阶次q的值,在所选的c和q值上,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差值,使预测误差和特征选择个数两个性能指标得到提高.通过对不同领域的实际数据进行实验,可以看到提出的分类算法分类预测更加准确同时可以实现特征选择,性能优于L2范数罚LS-SVM.
q范数正则化、最小二乘-支持向量机(LS-SVM)、迭代再权共轭梯度法
31
TP181(自动化基础理论)
国家“973”重点基础研究计划资助项目2012CB720500;国家自然科学基金资助项目21006127;中国石油大学北京基础学科研究资助项目JCXK-2011-07
2014-05-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
334-342
