一种改进的投影孪生支持向量机
针对投影孪生支持向量机( PTSVM)在训练阶段欠考虑样本空间局部结构和局部信息的缺陷,提出一种具有一定局部学习能力的有监督分类方法:加权投影孪生支持向量机( weighted PTSVM,WPTSVM)。相比于 PTSVM, WPTSVM优势在于:通过构造类内近邻图为每个样本获取特定的权值,并且以加权均值取代标准均值,在一定程度上提高了算法的局部学习能力;选取异类样本集中少量边界点构造优化问题的约束条件,很大程度上降低了二次规划求解的时间复杂度;继承了PTSVM的优点,可以看成PTSVM的推广算法。理论分析及其在人造数据集和真实数据集上的测试结果表明该方法具有上述优势。
分类、投影孪生支持向量机、局部信息、加权均值、近邻图、二次规划、约束条件、时间复杂度
11
TP391.4(计算技术、计算机技术)
国家重点基础研究计划项目2013CB329502;国家自然科学基金项目61379101;江苏省自然科学基金项目 BK20151299.
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
384-390