10.3969/j.issn.1001-2400.2009.02.027
最小二乘支持向量机变型算法研究
推导出最小二乘支持向量机(LSSVM)的分类几何意义,再将近似支持向量机(PSVM)等价推广至回归问题,最后提出PSVM的另一种非线性模型--直接支持向量机(DSVM).与LSSVM相比,PSVM和DSVM增强了问题的凸性,计算复杂度低.且对非线性时,DSVM比PSVM更简单,替换核函数就可实现线性与非线性的统一.数值实验表明,线形情况下PSVM比LSSVM的训练速度至少快一倍,非线性时,DSVM比PSVM速度要快一倍左右;在泛化能力方面线性PSVM不低于LSSVM,非线性时DSVM最高.
线性方程、最小二乘逼近、分类、回归分析、近似支持向量机、直接支持向量机
36
TP181(自动化基础理论)
国家自然科学基金资助60574075,60705004
2009-05-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
331-337,372
