基于特征值分解的中心支持向量机算法

ByElmer1

摘 要：针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题，该文提出一类改进的基于特征
值分解的中心支持向量机，简称为 IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机，然
后基于“一类对余类”策略将其推广到多类分类问题。将 GEPSVM 求解广义特征值问题转化为求解标准特征值问
题，降低了计算复杂度。引入了一个新的参数，可以调节模型的性能，提高了 GEPSVM 的分类精度。提出了基于
8 q' Q1 t8 Y+ }4 gIGEPSVM 的多类分类算法。实验结果表明，与 GEPSVM 算法相比较，IGEPSVM 不仅提高了分类精度，而且缩
短了训练时间。
' T  k; I& j/ A& R关键词：支持向量机；广义特征值中心支持向量机；两类分类；多类分类；特征值分解
1 引言
支持向量机(SVM)算法是经典的分类算法[1]，鉴
5 x. m+ b' ]1 b& J$ ]; g! E/ |于其坚实的理论基础和良好的泛化性能而被广泛使
用于各个领域中[2,3]。SVM 在解决小样本、非线性和
- ~9 Q  O* e% g: \# p$ d5 C



3 |# C8 q! s1 j5 m2 T
( v8 G8 G6 Z9 ]; E: \  l9 U附件下载：

游客，如果您要查看本帖隐藏内容请回复

" D; U, S9 J* N. J
' m, @8 f! V+ v: A

messed

谢谢分享