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
$ a0 f0 u* L' g$ m9 d5 P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
. j1 r. _. e6 \& B5 r, bIGEPSVM 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
; {6 s5 }: [, x: k短了训练时间。
% ~; ^' B' Y7 y; u& a' m! l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
0 ]! L: m" ^; a. r7 c7 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
6 q( S' q1 b! s. X  @5 ~. T/ E


* v) ^9 L! A& ~$ R9 _

- V/ z1 @- q4 l. y& r+ L附件下载：

游客，如果您要查看本帖隐藏内容请回复

messed

谢谢分享