基于特征矢量集的核Logistic回归

摘要：

将经典Logistic回归推广到高维RKHS空间,提出了一种基于特征矢量选择的核Logistic回归算法--FVS-KLR.该算法利用特征矢量选择(FVS)从训练样本集中选择一个特征矢量集,原样本在RKHS空间中的映射可用该集合中元素映射的线性组合近似.以特征矢量集为基得到核Logistic回归的目标泛函,并采用Newton-Raphson方法寻优,将优化的计算量由O(N3)降到O(NL2),LN.同时文章推导了多类情况下的核Logistic回归算法.通过与SVM的对比实验表明,该算法对后验概率的估计优于SVM方法,同时在分类错误率不高于SVM的基础上能显著降低分类器的计算量.

关键词：核Logistic回归、特征矢量选择、SVM、分类

所属期刊栏目：27

分类号：TP18(自动化基础理论)

资助基金：高比容电子铝箔的研究开发与应用项目2002AA783055

在线出版日期：2006-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：980-985