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
1 H% I( [9 y1 {* \* r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
  T) O% x+ v* t+ z8 b1 x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
IGEPSVM 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
  w- K: m7 f6 q: ^3 E$ B9 L* a9 \短了训练时间。
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
! f/ x& {. M6 s9 y4 G8 r5 Y1 引言
支持向量机(SVM)算法是经典的分类算法[1]，鉴
于其坚实的理论基础和良好的泛化性能而被广泛使
( X3 a3 u& W4 [" M5 y9 F用于各个领域中[2,3]。SVM 在解决小样本、非线性和

3 ~& {* r9 L. {; m8 g



6 u( S2 t/ \% `- b附件下载：

游客，如果您要查看本帖隐藏内容请回复

. o3 O  o6 Q( c8 \; I) C- @

messed

谢谢分享