自适应局部图嵌入加权罚支持向量机

摘要：

针对标准SVM不能有效利用数据流形的局部信息以及对数据中的野值敏感的两点不足，提出一种基于自适应局部图嵌入加权罚SVM.算法在保持SVM优化框架不变的情况下，在目标函数中同时加入了对数据整体类间间隔最大化和数据局部流形分布的要求，优化了分类决策边界，简化了核化过程，同时在软间隔的样本惩罚系数中引入了数据的全局结构信息，增强了算法的鲁棒性.在人工、标准和图像数据集上的实验结果表明，所提出的方法是有效的.

关键词：支持向量机、流形学习、局部结构信息、局部判别信息、全局结构

分类号：TP391(计算技术、计算机技术)

资助基金：国家青年科学基金项目61203168

在线出版日期：2015-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：203-214