最小二乘支持向量机分类器的高稀疏化及应用

摘要：

为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM.它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性.算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题.对多个分类问题的测试表明,HS-LSSVM具有稀疏率高,分类性能强,且稀疏化速度较快等优点.

关键词：模式分类、最小二乘支持向量机、稀疏化、主成分分析、信息转移

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金20276063;国家重点实验室基金

在线出版日期：2007-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1353-1357